机器学习 · 人工智能与机器学习概述

概述与基础知识

人工智能、机器学习、深度学习

机器学习是人工智能实现的一个途径
深度学习是机器学习的一个方法发展
人工智能 > 机器学习 > 深度学习

• 人工智能
  一开始被用于下棋，简单的对后续步骤判断

• 机器学习
  统计学习，统计的一些方法实现人工智能。
  eg. 垃圾邮件过滤

• 深度学习
  人工神经网络，进一步的统计与分析

机器学习应用场景

• 传统预测

  量化投资、广告推荐、SQL语句安全检测分类

• 图像识别

  人脸识别、交通标志识别

• 自然语言处理

  文本分类、情感分析、自动聊天、文本检测

机器学习概述

定义

从数据中自动分析获得模型，并用模型对未知数据进行预测。

数据集的构成

• 结构：特征值 + 目标值

以房价估计为例

每一行数据称为样本
有些数据集可以没有目标值

机器学习算法分类

• 监督学习
  • 有目标值
  • 分类问题
    • 目标值是一个类属

    k-临近算法、贝叶斯分类、决策树与随机森林、逻辑回归

  • 回归问题
    • 目标值是连续型数据

    线性回归、岭回归

• 无监督学习
  • 没有目标值

  K-means

机器学习开发流程

1. 获取数据
2. 数据处理
3. 特征工程
4. 机器学习算法训练 => 模型
5. 模型评估
6. 应用

机器学习库与框架

• 传统框架

• 深度学习框架

  • Pytorch
  • Tensorflow
  • Caffe