我是如何從這12個關鍵詞瞭解人工智慧機器學習的

来源:http://www.cnblogs.com/zhaowmm/archive/2016/06/02/5552712.html
-Advertisement-
Play Games

隨著人工智慧(AI)技術對各行各業有越來越深入的影響,我們也更多地在新聞或報告中聽到“機器學習”、“深度學習”、“增強學習”、“神經網路”等辭彙,對於非專業人士來說略為玄幻。這篇文章為讀者梳理了包括這些在內的12個關鍵詞,希望幫助讀者更清晰地理解,這項人工智慧技術的內涵和潛能。 1、 機器學習 湯姆 ...


  隨著人工智慧(AI)技術對各行各業有越來越深入的影響,我們也更多地在新聞或報告中聽到“機器學習”、“深度學習”、“增強學習”、“神經網路”等辭彙,對於非專業人士來說略為玄幻。這篇文章為讀者梳理了包括這些在內的12個關鍵詞,希望幫助讀者更清晰地理解,這項人工智慧技術的內涵和潛能。

  1、 機器學習

  湯姆·米歇爾教授任職於卡內基梅隴大學電腦學院、機器學習系,根據他在《機器學習》一書中的定義,機器學習是“研究如何打造可以根據經驗自動改善的電腦程式”。機器學習在本質上來說是跨學科的,使用了電腦科學、統計學和人工智慧以及其他學科的知識。機器學習研究的主要產物是演算法,可以幫助基於經驗的自動改善。這些演算法可以在各個行業有廣泛應用,包括電腦視覺、人工智慧和數據挖掘。

  2、 分類

  分類的含義是,打造模型,將數據分類進入不同的類別。這些模型的打造方式,是輸入一個訓練資料庫,其中有預先標記好的類別,供演算法進行學習。然後,在模型中輸入類別未經標記的資料庫,讓模型基於它從訓練資料庫中所學到的知識,來預測新數據的類別。

  因為這類的演算法需要明確的類別標記,因此,分類算是“監督學習”的一種形式。

  3、 回歸

  回歸是與分類緊密聯繫在一起的。分類是預測離散的類別,而回歸則適用的情況,是當預測“類別”由連續的數字組成。線性回歸就是回歸技術的一個例子。

  回歸

  4、 聚集

  聚集是用來分析不含有預先標記過的類別的數據,甚至連類別特性都沒有標記過。數據個體的分組原則是這樣的一個概念:最大化組內相似度、最小化組與組之間的相似度。這就出現了聚集演算法,識別非常相似的數據並將其放在一組,而未分組的數據之間則沒那麼相似。K-means聚集也許是聚集演算法中最著名的例子。

  由於聚集不需要預先將類別進行標記,它算是“無監督學習”的一種形式,意味著演算法通過觀察進行學習,而不是通過案例進行學習。

  5、 關聯

  要解釋關聯,最簡單的辦法是引入“購物籃分析”,這是一個比較著名的典型例子。購物籃分析是假設一個購物者在購物籃中放入了各種各樣的物品(實體或者虛擬),而目標是識別各種物品之間的關聯,併為比較分配支持和置信度測量(編者註:置信度是一個統計學概念,意味著某個樣本在總體參數的區間估計)。這其中的價值在於交叉營銷和消費者行為分析。關聯是購物籃分析的一種概括歸納,與分類相似,除了任何特性都可以在關聯中被預測到。 Apriori 演算法被稱為最知名的關聯演算法。

  關聯也屬於“無監督學習”的一種形式。

  6、 決策樹

  決策樹是一種自上而下、分步解決的遞歸分類器。決策樹通常來說由兩種任務組成:歸納和修剪。歸納是用一組預先分類的數據作為輸入,判斷最好用哪些特性來分類,然後將資料庫分類,基於其產生的分類資料庫再進行遞歸,直到所有的訓練數據都完成分類。打造樹的時候,我們的目標是找到特性來分類,從而創造出最純粹的子節,這樣,要將資料庫中所有數據分類,只需要最少的分類次數。這種純度是以信息的概念來衡量。

  一個完整的決策樹模型可能過於複雜,包含不必要的結構,而且很難解讀。因而我們還需要“修剪”這個環節,將不需要的結構從決策樹中去除,讓決策樹更加高效、簡單易讀並且更加精確。

  7、 支持向量機(SVM)

  SVM可以分類線性與非線性數據。SVM的原理是將訓練數據轉化進入更高的維度,再檢查這個維度中的最優間隔距離,或者不同分類中的邊界。在SVM中,這些邊界被稱為“超平面”,通過定位支持向量來劃分,或者通過最能夠定義類型的個例及其邊界。邊界是與超平面平行的線條,定義為超平面及其支持向量之間的最短距離。

  SVM的巨集偉概念概括起來就是:如果有足夠多的維度,就一定能發現將兩個類別分開的超平面,從而將資料庫成員的類別進行非線性化。當重覆足夠多的次數,就可以生成足夠多的超平面,在N個空間維度中,分離所有的類別。

  8、 神經網路

  神經網路是以人類大腦為靈感的演算法,雖然,這些演算法對真實人腦功能的模擬程度有多少,還存在很多的爭議,我們還沒法說這些演算法真正模擬了人類大腦。神經網路是由無數個相互連接的概念化人工神經元組成,這些神經元在互相之間傳送數據,有不同的相關權重,這些權重是基於神經網路的“經驗”而定的。“神經元”有激活閾值,如果各個神經元權重的結合達到閾值,神經元就會“激發”。神經元激發的結合就帶來了“學習”。

  9、 深度學習

  深度學習相對來說還是個比較新的辭彙,雖然在網路搜索大熱之前就已經有了這個辭彙。這個辭彙在研究和業界都名聲大噪,主要是因為其他一系列不同領域的巨大成功。深度學習是應用深度神經網路技術——具有多個隱藏神經元層的神經網路架構——來解決問題。深度學習是一個過程,正如使用了深度神經網路架構的數據挖掘,這是一種獨特的機器學習演算法。

  10、增強學習

  對於“增強學習”最好的描述來自劍橋大學教授、微軟研究科學家Christopher Bishop,他用一句話精確概括:“增強學習是在某一情景中尋找最適合的行為,從而最大化獎勵。”增強學習中,並沒有給出明確的目標;機器必須通過不斷試錯的方式進行學習。我們來用經典的馬利奧游戲舉個例子。通過不斷試錯,增強學習演算法可以判斷某些行為、也就是某些游戲按鍵可以提升玩家的游戲表現,在這裡,試錯的目標是最優化的游戲表現。

  增強學習

  K層交叉檢驗的例子,在每一輪使用不同的數據進行測試(藍色為訓練數據、黃色為測試數據),方框下為每一輪的驗證精度。最終的驗證精度是10輪測試的平均數。圖片來源: GitHub 。

  11、K層交叉檢驗

  交叉檢驗是一種打造模型的方法,通過去除資料庫中K層中的一層,訓練所有K減1層中的數據,然後用剩下的第K層來進行測驗。然後,再將這個過程重覆K次,每一次使用不同層中的數據測試,將錯誤結果在一個整合模型中結合和平均起來。這樣做的目的是生成最精確的預測模型。

  12、貝葉斯

  當我們討論概率的時候,有兩個最主流的學派:經典學派概率論看重隨機事件發生的頻率。與之對比,貝葉斯學派認為概率的目標是將未確定性進行量化,並隨著額外數據的出現而更新概率。如果這些概率都延伸到真值,我們就有了不同確定程度的“學習”。


您的分享是我們最大的動力!

-Advertisement-
Play Games
更多相關文章
  • ...
  • 現在很多用戶被資料庫的慢的問題所困擾,又苦於花錢請一個專業的DBA成本太高。軟體維護人員對資料庫的瞭解又不是那麼深入,所以導致問題遲遲不能解決,或只能暫時解決不能得到根治。開發人員解決數據問題基本又是搜遍百度各種方法嘗試個遍,可能錯過診斷問題的最佳時機又可能嘗試一堆方法最後無奈放棄。 本系列文章主要 ...
  • 上一篇我們簡單的介紹了,語句優化的三板斧,大部分語句三板斧過後,就算不成為法拉利也能是個寶馬了。 本篇主要講述幾個常見的系統等待,透過這些等待,看看系統存在什麼問題,怎麼樣解決這些問題。結合系統三巨頭(CPU,記憶體,磁碟)綜合展現系統問題和這些元素的聯繫。 首先我們舉個例子:前文提到了,一個好的SQ ...
  • 最近發現一個分頁查詢存儲過程中的的一個SQL語句,當聚集索引列的排序方式不同的時候,效率差別達到數十倍,讓我感到非常吃驚 由此引發出來分頁查詢的情況下對大表做Clustered Scan的時候, 不同情況下會選擇FORWARD 或者 BACKWARD差別,以及建立聚集索引時,選擇索引列的排序方式的一 ...
  • 常用的語句用的最多的無非就是增、刪、改、查 MongoDB數據存儲格式是bson,其實這種格式除了幾個特殊的類型,其他的就是json的格式。所以部分數據顯示可以用json格式化。在此推薦個網站可以格式化http://www.bejson.com/,雖然它要報json格式異常,但是格式還是轉好了的 轉 ...
  • --臨時表 insert into ##table([column1],S1, S2,S3)VALUES('VALUE','VALUE','VALUE','VALUE') --把原S1, S2,S3列名 作為 star欄位的內容,S1, S2,S3的數據放到qty欄位中 insert into ta ...
  • 此代碼已經測試,可以直接調用此類把數據寫入。 ...
  • 網站數據分析沒有規範的分析流程容易使最後的結果邏輯混亂或者偏離原來的主題,所以一套規範的流程能夠使網站分析更加清晰和有效。 網站分析其實就是一個發現問題、分析問題的解決問題的過程。問題的發現可以來源於多方面:網站運營中遇到的問題、用戶的反饋和抱怨、日常統計數據的表現異常等;分析問題的過程就是根據遇到 ...
一周排行
    -Advertisement-
    Play Games
  • 移動開發(一):使用.NET MAUI開發第一個安卓APP 對於工作多年的C#程式員來說,近來想嘗試開發一款安卓APP,考慮了很久最終選擇使用.NET MAUI這個微軟官方的框架來嘗試體驗開發安卓APP,畢竟是使用Visual Studio開發工具,使用起來也比較的順手,結合微軟官方的教程進行了安卓 ...
  • 前言 QuestPDF 是一個開源 .NET 庫,用於生成 PDF 文檔。使用了C# Fluent API方式可簡化開發、減少錯誤並提高工作效率。利用它可以輕鬆生成 PDF 報告、發票、導出文件等。 項目介紹 QuestPDF 是一個革命性的開源 .NET 庫,它徹底改變了我們生成 PDF 文檔的方 ...
  • 項目地址 項目後端地址: https://github.com/ZyPLJ/ZYTteeHole 項目前端頁面地址: ZyPLJ/TreeHoleVue (github.com) https://github.com/ZyPLJ/TreeHoleVue 目前項目測試訪問地址: http://tree ...
  • 話不多說,直接開乾 一.下載 1.官方鏈接下載: https://www.microsoft.com/zh-cn/sql-server/sql-server-downloads 2.在下載目錄中找到下麵這個小的安裝包 SQL2022-SSEI-Dev.exe,運行開始下載SQL server; 二. ...
  • 前言 隨著物聯網(IoT)技術的迅猛發展,MQTT(消息隊列遙測傳輸)協議憑藉其輕量級和高效性,已成為眾多物聯網應用的首選通信標準。 MQTTnet 作為一個高性能的 .NET 開源庫,為 .NET 平臺上的 MQTT 客戶端與伺服器開發提供了強大的支持。 本文將全面介紹 MQTTnet 的核心功能 ...
  • Serilog支持多種接收器用於日誌存儲,增強器用於添加屬性,LogContext管理動態屬性,支持多種輸出格式包括純文本、JSON及ExpressionTemplate。還提供了自定義格式化選項,適用於不同需求。 ...
  • 目錄簡介獲取 HTML 文檔解析 HTML 文檔測試參考文章 簡介 動態內容網站使用 JavaScript 腳本動態檢索和渲染數據,爬取信息時需要模擬瀏覽器行為,否則獲取到的源碼基本是空的。 本文使用的爬取步驟如下: 使用 Selenium 獲取渲染後的 HTML 文檔 使用 HtmlAgility ...
  • 1.前言 什麼是熱更新 游戲或者軟體更新時,無需重新下載客戶端進行安裝,而是在應用程式啟動的情況下,在內部進行資源或者代碼更新 Unity目前常用熱更新解決方案 HybridCLR,Xlua,ILRuntime等 Unity目前常用資源管理解決方案 AssetBundles,Addressable, ...
  • 本文章主要是在C# ASP.NET Core Web API框架實現向手機發送驗證碼簡訊功能。這裡我選擇是一個互億無線簡訊驗證碼平臺,其實像阿裡雲,騰訊雲上面也可以。 首先我們先去 互億無線 https://www.ihuyi.com/api/sms.html 去註冊一個賬號 註冊完成賬號後,它會送 ...
  • 通過以下方式可以高效,並保證數據同步的可靠性 1.API設計 使用RESTful設計,確保API端點明確,並使用適當的HTTP方法(如POST用於創建,PUT用於更新)。 設計清晰的請求和響應模型,以確保客戶端能夠理解預期格式。 2.數據驗證 在伺服器端進行嚴格的數據驗證,確保接收到的數據符合預期格 ...