1.说明有监督学习和无监督学习的各自的特点及区别
-
监督学习
-
有标签
-
分类:标签值离散
-
回归:标签值连续
-
无监督学习
-
无标签,按照样本的相似性进行聚合
-
半监督学习
-
部分有标签,部分无标签
-
强化学习
2.说明下机器学习的建模流程
-
获取数据
-
数据基本处理
-
特征工程
-
模型训练
-
模型评估
3.谈一下你对特征工程的理解
用专业背景知识和技巧处理数据,让机器学习算法效果最好
-
特征提取
-
特征预处理
-
特征降维
-
特征选择
-
特征组合
4.说下模型拟合问题及产生的原因
-
欠拟合:训练集上表现很差、在测试集表现也很差
-
原因:模型过于简单
-
过拟合:训练集上表现很好、在测试集表现很差
-
原因:模型太过于复杂

人工智能(AL)
-
Artificial Intelligence 人工智能
-
AI is the field that studies the synthesis and analysis of computational agents that act intelligently
-
AI is to use computers to analog and instead of human brain
-
释义 - 仿智; 像人一样机器智能的综合与分析;机器模拟人类
机器学习(ML)
-
Machine Learning 释义:机器学习
-
Field of study that gives computers the ability to learn without being explicitly programmed
-
释义:让机器自动学习,而不是基于规则的编程(不依赖特定规则编程)
深度学习(DL)
深度学习(DL, Deep Learning) : ,也叫深度神经网络,大脑仿生,设计一层一层的神经元模拟万事万物
机器学习发展三要素
- 数据、算法、算力三要素相互作用,是AI发展的基石
-
CPU:负责调度任务、计算任务等;主要适合I\O密集型的任务
-
GPU:更加适合矩阵运算;主要适合计算密集型任务
-
TPU:Tensor,专门针对神经网络训练设计一款处理器
样本(sample) :一行数据就是一个样本;多个样本组成数据集;有时一条样本被叫成一条记录
特征(feature) :一列数据一个特征,有时也被称为属性
标签/目标(label/target) :模型要预测的那一列数据。
数据集可划分两部分:训练集、测试集 比例:8 : 2,7 : 3
训练集(training set) :用来训练模型(model)的数据集
测试集(testing set):用来测试模型的数据集
有监督学习
-
定义:输入数据是由输入特征值和目标值所组成,即输入的训练数据有标签的
-
数据集:需要人工标注数据
分类
-
目标值(标签值)是不连续的
-
分类种类:二分类、多分类任务、
回归
目标值(标签值)是连续的
无监督学习
-
定义:输入数据没有被标记,即样本数据类别未知,**没有标签**,根据样本间的相似性,对样本集聚类,以发现事物内部 结构及相互关系。
-
数据集:不需要标注数据
**无监督学习特点:**
**1** 训练数据无标签
2 根据样本间的相似性对样本集进行聚类,发现事物内部结构及相互关系
半监督学习
工作原理:
1 让专家标注少量数据,利用已经标记的数据(也就
是带有类标签)训练出一个模型
2 再利用该模型去套用未标记的数据
3 通过询问领域专家分类结果与模型分类结果做对比,
从而对模型做进一步改善和提高
强化学习
1 强化学习(Reinforcement Learning):机器学习的一个重要分支
2 应用场景:里程碑AlphaGo围棋、各类游戏、对抗比赛、无人驾驶场景
3 基本原理:基本原理:通过构建四个要素:agent,环境状态,行动,奖励,
agent根据环境状态进行行动获得最多的累计奖励。。
特征工程
从数据集角度来看: 一列一列的数据为特征。
从模型训练角度来看: 对预测结果有用的属性为特征
特征工程是:利用专业背景知识和技巧处理数据,让机器学习算法效果最好。这个过程就是特征工程
Coming up with features is difficult, time-consuming, requires expert knowledge. "Applied machine learning" is basically feature engineering. "
释义:特征工程是困难、耗时、需要专业知识。应用机器学习基础就是特征工程
【理解】数据和特征决定了机器学习的上限,而模型和算法只是逼近这个上限而已。
特征提取
从原始数据中提取与任务相关的特征,构成特征向量
对于文本、图片这种非行列形式的数据行列形式转换,
一旦转换成行列形式一列就是特征
特征预处理
特征对模型产生影响;因量纲问题,有些特征对模型影响大、有些影响小
将不同的单位的特征数据转换成同一个范围内
使训练数据中不同特征对模型产生较为一致的影响
特征降维
将原始数据的维度降低,叫做特征降维
会丢失部分信息。降维就需要保证数据的主要信息要保留下来
原始数据会发生变化,不需要了解数据本身是什么含义,它保留了最主要的信息
特征选择
原始数据特征很多,但是对任务相关是其中一个特征集合子集。
从特征中选择出一些重要特征(选择就需要根据一些指标来选择)
特征选择不会改变原来的数据
特征组合
把多个的特征合并成一个特征。
通过加法、乘法等方法将特征值合并
欠拟合:模型在训练集上表现很差、在测试集表现也很差
原因:模型过于简单
过拟合:模型在训练集上表现很好、在测试集表现很差
原因:模型太过于复杂、数据不纯、训练数据太少
泛化:模型在新数据集(非训练数据)上的表现好坏的能力
奥卡姆剃刀原则:给定两个具有相同泛化误差的模型,较简单的模型比较复杂的模型更可取