目录
1.什么是人工智能
人工智能（Artificial Intelligence，AI）指通过计算机系统模拟人类智能的技术与科学，涵盖学习、推理、感知、决策等能力。其核心目标是让机器执行通常需要人类智能的任务，如语言理解、图像识别、问题解决等。
简单来说就是----仿智；像人一样机器智能的综合与分析；机器模拟代替人类
2.人工智能三大概念
三者关系
机器学习是实现人工智能的一种方式，基于统计学
深度学习是机器学习的一种方法发展而来的，基于神经网络
3.什么是机器学习
让机器自动学习，而不是基于规则的编程（不依赖于特定规则编程）
4.什么是深度学习
深度学习也叫深度神经网络，大脑仿生，设计一层一层的神经元模仿万事万物
5.学习方式
1.基于规则的学习，专家系统，用手工的if-else方式进行的预测
2.基于模型的学习，从数据中自动学出规律
6.机器学习常用术语
1.样本：一行数据就是一个样本，多个样本组成数据集；有时一条样本被叫做一条记录
2.特征：一列数据一个特征，有时也被称为属性，特征是从数据中抽取出来的，对结果预测有用的信息
3.标签/目标：模型要预测的那一列数据
x_train训练集中的数据（特征） y_train训练集中的标签（目标值）
x_test测试集中的数据（特征） y_test测试集中的标签（目标值）
7.数据集的划分
1.训练集：用来训练模型的数据集
2.测试集：用来测试模型的数据集
一般训练集/测试集==8/2或7/3
8.机器学习算法分类
8.1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：需要标注数据的标签/目标
有监督学习分为分类问题和回归问题
分类问题：
目标值（标签值）是不连续的，具体的类别（优秀，良好，差）
分类种类：二分类，多分类
回归问题：
目标值（标签值）是连续的（数字）
8.2无监督学习
定义：输入数据没有被标记，即样本数据类型未知，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
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
8.3半监督学习
拿有标记的数据训练模型，然后拿训练好的模型对未标记的数据进行预测，然后人为的去校准
8.3强化学习
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更多的累积奖励
小孩子学走路的过程
（1）小孩子就是Agent，他试图通过采取行动（即行走），来操纵环境（行走的地面）
（2）并且从一个状态转化到另一个状态（他走的每一步）
（3）当他完成任务的子任务时，孩子得到奖励（吃糖）
（4）并且他不能走路时，就不会得到巧克力
