标签：人工智能 第三十四 速成 学习 AI 举例 决策空间 数据 决策树

1. 背景：现在海量的数据，在海量的数据下，如何可以根据数据做出决定呢？

• 这就是机器学习的本质
• 让计算机可以从数据中学习，然后自行作出预测和决定

2. 分类

• 举例：判断飞蛾是「月蛾」还是「帝蛾」
• 分类器：做分类的算法

3. 特征

• 很多算法会减少复杂性，把数据简化为「特征」
• 「特征」是用来帮助「分类」的值

4. 标记数据

• 举例：专家去观察「月蛾」和「帝蛾」，不只是记录特征值，还会把种类也写上，这就叫「标记数据」

5. 决策边界

• 两组或者多组数据的最佳分区，即根据这个分区的别见可以大致推断出某一组的数据在哪一个组对应的区域中
• 目前没有办法画出 100% 正确的分类线

6. 混淆矩阵

• 是一个表，记录了正确数和错误数

7. 未标签数据

• 举例：如果我们进入森林，碰到一只不认识的飞蛾，我们可以测量它的特征，并绘制到决策空间上，这叫做「未标签数据」

8. 决策树

• 把决策空间切成几个盒子的简单方法，可以叫做「决策树」
• 有的算法使用多棵「决策树」，科学教有的时候也把这个叫做「森林」
• 发源于统计学

9. 支持向量机

• 不使用数的方法
• 本质是使用任意险段来切分「决策空间」
• 和决策树一样，也发源于统计学
• 统计学早在计算机出现之前，就在用数据做决定

10. 人工神经网络

• 灵感来自于大脑里的神经元
• 神经元是细胞，用电信号和化学信号来处理和传输消息，它从其他细胞得到一个或者多个输入，然后处理信号并发出信号，形成巨大的互联网络，能处理复杂的信息
• 人造神经元也可以接收多个输入，然后整合并发出一个信号，它不用电信号或者化学信号，而是吃数字进去，吐数字出来，它们被放成一层层，形成神经元网络，因此得名神经网络

11. 深度学习

• 人工神经网络中，有隐藏层的概念，有的不只一层，可以有很多层，这也是「深度学习」名字的来源

12. 弱AI，窄AI

• 概念：只能做特定任务

13. 强AI

• 真正通用的，像人一样聪明的AI，叫「强AI」

14. 强化学习

• 学习什么管用，什么不管用，自己发现成功的策略，这叫「强化学习」
• 和人类的学习方式非常类似，
• 举例：人类不是天生就会走路，是上千小时的试错学会的。计算机现在才刚学会反复试错来学习，

标签：人工智能,第三十四,速成,学习,AI,举例,决策空间,数据,决策树
来源： https://www.cnblogs.com/zxxsteven/p/16339603.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。