1 人工智慧概述
1.1 人工智慧起源
1.圖靈測試
2.達特茅斯會議
1.2 人工智慧三個階段
1.2023年代是正式形成期
2.1990
-2023年代是蓬勃發展期
3.2023年之後是深度學習期
1.3 人工智慧、機器學習和深度學習
1.機器學習是人工智慧的乙個實現途徑
2.深度學習是機器學習的乙個方法發展而來
1.4 主要分支介紹
1.4.1 計算機視覺
1.人臉識別
1.4.2 自然語言處理
1.語音識別
2.語義識別
1.4.3 機械人
1.5 人工智慧必備三要素
1.資料 2
.演算法 3
.計算力
1.6 gpu, cpu
1.gpu -
- 計算密集型
2.cpu -
- io密集型
2 機器學習工作流程
2.1 定義
1.資料 2
.自動分析獲得模型
3.** 4
.從資料中自動分析獲得模型，並利用模型對未知
5.資料進行**
2.2 工作流程
1.獲得資料
2.資料基本處理
3.特徵工程
4.機器學習（模型訓練）
5.模型評估
2.3 獲取到的資料集介紹
2.3.1 專有名詞
1.樣本 2
.特徵 3
.目標值
4.特徵值
2.3.2 資料型別構成
1.特徵值+目標值（目標值分為是離散還是連續的）
2.只有特徵值
2.3.3 資料劃分
1.訓練資料（訓練集）-
- 構建模型 0.7--
0.82
.測試資料（測試集）-
- 模型評估 0.2--
0.32.3
.4 資料基本處理
1.對數進行缺失值，去除異常值等處理
2.3.5 特徵工程
2.3.5.1 定義
1.把資料轉換成機器學習更容易識別的資料
2.3.5.2 為什麼需要特徵工程
1.資料和特徵決定了機器學習的上限，而模型和演算法只是逼近這個上限而已
2.3.5.3 包含內容
1.特徵提取
2.特徵預處理
3.特徵降維
2.3.6 機器學習
1.選擇合適的演算法對模型進行訓練
2.3.7 模型評估
1.對訓練好的模型進行評估
3 機器學習演算法分類
3.1 監督學習 -
- 有特徵值，有目標值
1.目標值連續 -
- 回歸
2.目標值離散 -
- 分類
3.2 無監督學習 -
- 僅有特徵值
3.3 半監督學習 -
- 有特徵值，但是一部分資料有目標值，一部分沒有
3.4 強化學習12
.四要素：agent, action, environment, reward
4 模型評估
4.1 分類模型評估
1.準確率
2.精確率
3.召回率
4.f1-score
5.auc指標
4.2 回歸模型評估
1.均方根誤差
2.相對平方誤差
3.平均絕對誤差
4.相對絕對誤差
5.決定係數
4.3 擬合
1.欠擬合
2.過擬合
問題一：為什麼喜歡用**塊的背景來寫文件？因為它開頭能輸入空格，方便按照序號檢視，主要是習慣了黑底白字，重點是好看呀！
Linux自學系列 常用指令的使用
1.檢視目錄下內容 ls 列出目錄下的檔案資訊 ls l 以 詳細資訊 檢視目錄檔案 ls a 檢視目錄 全部 包括隱藏檔案 檔案 ls al 以 詳細資訊 檢視目錄 全部 包括隱藏檔案 檔案 2.進行目錄切換 cd dirname 進行目錄切換 dirname為當前目錄下資料夾名稱 cd 切換到上...
SAS自學系列 SAS語句的語法
sas是現今非常流行的資料分析和資料探勘軟體，想從事資料分析行業，掌握sas很有必要。雖然sas本身提供了豐富的人機互動介面，通過手動呼叫各個menu能方便地完成資料統計分析的任務，但是，通過 來呼叫各個功能模組無疑能為工作帶來巨大的靈活性，並顯著提高效率。本文主要是根據網上找到的乙個電子文件 sa...
第019講 函式 我的地盤聽我的
測試題 0.下邊程式會輸入什麼？def next print 我在next 函式裡.pre def pre print 我在pre 函式裡.next 結果 我在next 函式裡.我在pre 函式裡.有些程式語言不夠 聰明 向這類向前引用的方式會導致報錯，但python足夠 醒目 這段 是正確的！de...