???♂? 個(gè)人主頁(yè)：@艾派森的個(gè)人主頁(yè)

???作者簡(jiǎn)介：Python學(xué)習(xí)者
?? 希望大家多多支持，我們一起進(jìn)步！??
如果文章對(duì)你有幫助的話，
歡迎評(píng)論 ??點(diǎn)贊???? 收藏 ??加關(guān)注+

目錄

1.人工智能概述

1.1 機(jī)器學(xué)習(xí)、人工智能與深度學(xué)習(xí)

1.2 機(jī)器學(xué)習(xí)、深度學(xué)習(xí)能做些什么

2.什么是機(jī)器學(xué)習(xí)

2.1 定義

2.2 解釋

2.3 數(shù)據(jù)集構(gòu)成?

3.機(jī)器學(xué)習(xí)算法分類

4.機(jī)器學(xué)習(xí)開(kāi)發(fā)流程?

5.學(xué)習(xí)框架

6.文末福利

?文章來(lái)源地址http://www.zghlxwxcb.cn/news/detail-694942.html

1.人工智能概述

1.1 機(jī)器學(xué)習(xí)、人工智能與深度學(xué)習(xí)

機(jī)器學(xué)習(xí)和人工智能，深度學(xué)習(xí)的關(guān)系

?

1. 人工智能（AI）：人工智能是一門(mén)研究如何使計(jì)算機(jī)能夠模擬、理解和執(zhí)行人類智能任務(wù)的學(xué)科。它的目標(biāo)是讓計(jì)算機(jī)具備類似于人類的智能水平，可以進(jìn)行推理、學(xué)習(xí)、感知和決策。

2. 機(jī)器學(xué)習(xí)：機(jī)器學(xué)習(xí)是人工智能的一個(gè)重要分支，它是讓計(jì)算機(jī)通過(guò)從數(shù)據(jù)中學(xué)習(xí)和提取模式，自動(dòng)改進(jìn)執(zhí)行特定任務(wù)的能力。在傳統(tǒng)編程中，程序員需要明確指定計(jì)算機(jī)應(yīng)該如何執(zhí)行任務(wù)，而在機(jī)器學(xué)習(xí)中，計(jì)算機(jī)通過(guò)學(xué)習(xí)數(shù)據(jù)的規(guī)律和特征自主地進(jìn)行任務(wù)執(zhí)行，這種方式使得計(jì)算機(jī)在面對(duì)新的情況時(shí)也能做出合理的決策。

3. 深度學(xué)習(xí)：深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一種方法，它是通過(guò)構(gòu)建和訓(xùn)練深層神經(jīng)網(wǎng)絡(luò)來(lái)實(shí)現(xiàn)學(xué)習(xí)和特征提取的過(guò)程。這些深層神經(jīng)網(wǎng)絡(luò)由多個(gè)神經(jīng)元層組成，允許計(jì)算機(jī)通過(guò)層次化的方式提取和學(xué)習(xí)數(shù)據(jù)中的復(fù)雜特征。深度學(xué)習(xí)在圖像識(shí)別、自然語(yǔ)言處理、語(yǔ)音識(shí)別等領(lǐng)域取得了顯著的成就，并且在人工智能的快速發(fā)展中起到了重要的推動(dòng)作用。

• 機(jī)器學(xué)習(xí)是人工智能的一個(gè)實(shí)現(xiàn)途徑

• 深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一個(gè)方法發(fā)展而來(lái)

• 深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一種技術(shù)手段，而機(jī)器學(xué)習(xí)是人工智能的一個(gè)重要組成部分。在實(shí)際應(yīng)用中，深度學(xué)習(xí)帶來(lái)了許多強(qiáng)大的AI模型和系統(tǒng)，使得計(jì)算機(jī)能夠在復(fù)雜和大規(guī)模的數(shù)據(jù)中進(jìn)行高效的學(xué)習(xí)和推理，從而實(shí)現(xiàn)了許多前所未有的人工智能應(yīng)用。

達(dá)特茅斯會(huì)議-人工智能的起點(diǎn)

????????1956年8月，在美國(guó)漢諾斯小鎮(zhèn)寧?kù)o的達(dá)特茅斯學(xué)院中，約翰·麥卡錫（John McCarthy），馬文·閔斯基（Marvin Minsky，人工智能與認(rèn)知學(xué)專家），克勞德·香農(nóng)（Claude Shannon，信息論的創(chuàng)始人），艾倫·紐厄爾（Allen Newell，計(jì)算機(jī)科學(xué)家），赫伯特·西蒙（Herbert Simon，諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)得主）等科學(xué)家正聚在一起，討論著一個(gè)完全不食人間煙火的主題：用機(jī)器來(lái)模仿人類學(xué)習(xí)以及其他方面的智能。會(huì)議足足開(kāi)了兩個(gè)月的時(shí)間，雖然大家沒(méi)有達(dá)成普遍的共識(shí)，但是卻為會(huì)議討論的內(nèi)容起了一個(gè)名字：人工智能。因此，1956年也就成為了人工智能元年。

1.2 機(jī)器學(xué)習(xí)、深度學(xué)習(xí)能做些什么

????????機(jī)器學(xué)習(xí)的應(yīng)用場(chǎng)景非常多，可以說(shuō)滲透到了各個(gè)行業(yè)領(lǐng)域當(dāng)中。醫(yī)療、航空、教育、物流、電商等等領(lǐng)域的各種場(chǎng)景。

• 用在挖掘、預(yù)測(cè)領(lǐng)域：

  • 應(yīng)用場(chǎng)景：店鋪銷量預(yù)測(cè)、量化投資、廣告推薦、企業(yè)客戶分類、SQL語(yǔ)句安全檢測(cè)分類…

• 用在圖像領(lǐng)域：

  • 應(yīng)用場(chǎng)景：街道交通標(biāo)志檢測(cè)、人臉識(shí)別等等

• 用在自然語(yǔ)言處理領(lǐng)域：

  • 應(yīng)用場(chǎng)景：文本分類、情感分析、自動(dòng)聊天、文本檢測(cè)等等

2.什么是機(jī)器學(xué)習(xí)

2.1 定義

????????機(jī)器學(xué)習(xí)（Machine Learning）是一種人工智能（AI）的分支，它是通過(guò)計(jì)算機(jī)系統(tǒng)從數(shù)據(jù)中學(xué)習(xí)和改進(jìn)執(zhí)行特定任務(wù)的能力，而無(wú)需明確編程指令。換句話說(shuō)，機(jī)器學(xué)習(xí)使得計(jì)算機(jī)可以通過(guò)數(shù)據(jù)的模式和規(guī)律，自動(dòng)提取特征和知識(shí)，并在未來(lái)面對(duì)新的數(shù)據(jù)時(shí)做出合理的決策。

????????傳統(tǒng)的程序設(shè)計(jì)中，程序員需要編寫(xiě)明確的規(guī)則和算法，以指導(dǎo)計(jì)算機(jī)完成特定任務(wù)。但在機(jī)器學(xué)習(xí)中，我們提供給計(jì)算機(jī)的是一組訓(xùn)練數(shù)據(jù)，包含輸入和對(duì)應(yīng)的輸出結(jié)果。計(jì)算機(jī)通過(guò)對(duì)這些數(shù)據(jù)進(jìn)行學(xué)習(xí)，找到數(shù)據(jù)中的模式和規(guī)律，從而能夠在未來(lái)的數(shù)據(jù)中進(jìn)行預(yù)測(cè)或分類。

機(jī)器學(xué)習(xí)任務(wù)可以分為以下幾類：

1. 監(jiān)督學(xué)習(xí)（Supervised Learning）：在監(jiān)督學(xué)習(xí)中，我們向計(jì)算機(jī)提供帶有標(biāo)簽的訓(xùn)練數(shù)據(jù)，也就是輸入數(shù)據(jù)和對(duì)應(yīng)的正確輸出。計(jì)算機(jī)通過(guò)學(xué)習(xí)這些數(shù)據(jù)來(lái)建立輸入和輸出之間的映射關(guān)系，從而能夠預(yù)測(cè)未標(biāo)記數(shù)據(jù)的輸出。

2. 無(wú)監(jiān)督學(xué)習(xí)（Unsupervised Learning）：在無(wú)監(jiān)督學(xué)習(xí)中，我們向計(jì)算機(jī)提供沒(méi)有標(biāo)簽的訓(xùn)練數(shù)據(jù)，計(jì)算機(jī)需要自主地發(fā)現(xiàn)數(shù)據(jù)中的結(jié)構(gòu)和模式。無(wú)監(jiān)督學(xué)習(xí)常用于聚類、降維和異常檢測(cè)等任務(wù)。

3. 強(qiáng)化學(xué)習(xí)（Reinforcement Learning）：強(qiáng)化學(xué)習(xí)是一種通過(guò)嘗試和錯(cuò)誤來(lái)學(xué)習(xí)最佳決策策略的學(xué)習(xí)方法。在強(qiáng)化學(xué)習(xí)中，計(jì)算機(jī)代理根據(jù)環(huán)境的反饋（獎(jiǎng)勵(lì)或懲罰）不斷調(diào)整策略，以最大化累積的獎(jiǎng)勵(lì)。

2.2 解釋

• 我們?nèi)藦拇罅康娜粘＝?jīng)驗(yàn)中歸納規(guī)律，當(dāng)面臨新的問(wèn)題的時(shí)候，就可以利用以往總結(jié)的規(guī)律去分析現(xiàn)實(shí)狀況，采取最佳策略。
• 從數(shù)據(jù)（大量的貓和狗的圖片）中自動(dòng)分析獲得模型（辨別貓和狗的規(guī)律），從而使機(jī)器擁有識(shí)別貓和狗的能力?；趖ensorflow深度學(xué)習(xí)的貓狗分類識(shí)別
• 從數(shù)據(jù)（房屋的各種信息）中自動(dòng)分析獲得模型（判斷房屋價(jià)格的規(guī)律），從而使機(jī)器擁有預(yù)測(cè)房屋價(jià)格的能力。基于隨機(jī)森林模型對(duì)北京房?jī)r(jià)進(jìn)行預(yù)測(cè)

從歷史數(shù)據(jù)當(dāng)中獲得規(guī)律？這些歷史數(shù)據(jù)是怎么的格式？?

2.3 數(shù)據(jù)集構(gòu)成?

• 結(jié)構(gòu)：特征值+目標(biāo)值

注：

• 對(duì)于每一行數(shù)據(jù)我們可以稱之為樣本。
• 有些數(shù)據(jù)集可以沒(méi)有目標(biāo)值：

3.機(jī)器學(xué)習(xí)算法分類

• 特征值：貓/狗的圖片；目標(biāo)值：貓/狗-類別
  • 分類問(wèn)題

• 特征值：房屋的各個(gè)屬性信息；目標(biāo)值：房屋價(jià)格-連續(xù)型數(shù)據(jù)
  • 回歸問(wèn)題
• 特征值：人物的各個(gè)屬性信息；目標(biāo)值：無(wú)
  • 無(wú)監(jiān)督學(xué)習(xí)

• 監(jiān)督學(xué)習(xí)(supervised learning)（預(yù)測(cè)）
  • 定義：輸入數(shù)據(jù)是由輸入特征值和目標(biāo)值所組成。函數(shù)的輸出可以是一個(gè)連續(xù)的值(稱為回歸），或是輸出是有限個(gè)離散值（稱作分類）。
  • 分類 k-近鄰算法、貝葉斯分類、決策樹(shù)與隨機(jī)森林、邏輯回歸、神經(jīng)網(wǎng)絡(luò)
  • 回歸 線性回歸、嶺回歸
• 無(wú)監(jiān)督學(xué)習(xí)(unsupervised learning)
  • 定義：輸入數(shù)據(jù)是由輸入特征值所組成。
  • 聚類 k-means

4.機(jī)器學(xué)習(xí)開(kāi)發(fā)流程?

流程圖：

5.學(xué)習(xí)框架

需明確幾點(diǎn)問(wèn)題：

（1）算法是核心，數(shù)據(jù)與計(jì)算是基礎(chǔ)

（2）找準(zhǔn)定位

大部分復(fù)雜模型的算法設(shè)計(jì)都是算法工程師在做，而我們

• 分析很多的數(shù)據(jù)
• 分析具體的業(yè)務(wù)
• 應(yīng)用常見(jiàn)的算法
• 特征工程、調(diào)參數(shù)、優(yōu)化

• 我們應(yīng)該怎么做？

• 學(xué)會(huì)分析問(wèn)題，使用機(jī)器學(xué)習(xí)算法的目的，想要算法完成何種任務(wù)

• 掌握算法基本思想，學(xué)會(huì)對(duì)問(wèn)題用相應(yīng)的算法解決
• 學(xué)會(huì)利用庫(kù)或者框架解決問(wèn)題

當(dāng)前重要的是掌握一些機(jī)器學(xué)習(xí)算法等技巧，從某個(gè)業(yè)務(wù)領(lǐng)域切入解決問(wèn)題。

機(jī)器學(xué)習(xí)庫(kù)與框架：

6.文末福利

《PySpark機(jī)器學(xué)習(xí)、自然語(yǔ)言處理與推薦系統(tǒng)》免費(fèi)包郵送出3本！

內(nèi)容簡(jiǎn)介：

? ? ? ?使用PySpark構(gòu)建機(jī)器學(xué)習(xí)模型、自然語(yǔ)言處理應(yīng)用程序以及推薦系統(tǒng)，從而應(yīng)對(duì)各種業(yè)務(wù)挑戰(zhàn)。該書(shū)首先介紹Spark的基礎(chǔ)知識(shí)及其演進(jìn)，然后講解使用PySpark構(gòu)建傳統(tǒng)機(jī)器學(xué)習(xí)算法以及自然語(yǔ)言處理和推薦系統(tǒng)的全部知識(shí)點(diǎn)。
　　《PySpark機(jī)器學(xué)習(xí)、自然語(yǔ)言處理與推薦系統(tǒng)》闡釋如何構(gòu)建有監(jiān)督機(jī)器學(xué)習(xí)模型，比如線性回歸、邏輯回歸、決策樹(shù)和隨機(jī)森林，還介紹了無(wú)監(jiān)督機(jī)器學(xué)習(xí)模型，比如K均值和層次聚類。該書(shū)重點(diǎn)介紹特征工程，以便使用PySpark創(chuàng)建有用的特征，從而訓(xùn)練機(jī)器學(xué)習(xí)模型。自然語(yǔ)言處理的相關(guān)章節(jié)將介紹文本處理、文本挖掘以及用于分類的嵌入。
　　在閱讀完該書(shū)后，讀者將了解如何使用PySpark的機(jī)器學(xué)習(xí)庫(kù)構(gòu)建和訓(xùn)練各種機(jī)器學(xué)習(xí)模型。此外，還將熟練掌握相關(guān)的PySpark組件，比如數(shù)據(jù)獲取、數(shù)據(jù)處理和數(shù)據(jù)分析，通過(guò)使用它們開(kāi)發(fā)數(shù)據(jù)驅(qū)動(dòng)的智能應(yīng)用。

編輯推薦：

適讀人群 ：數(shù)據(jù)科學(xué)家、機(jī)器學(xué)習(xí)工程師

????????使用PySpark構(gòu)建機(jī)器學(xué)習(xí)模型、自然語(yǔ)言處理應(yīng)用程序以及推薦系統(tǒng)，從而應(yīng)對(duì)各種業(yè)務(wù)挑戰(zhàn)。本書(shū)首先介紹Spark的基礎(chǔ)知識(shí)，然后講解使用PySpark構(gòu)建傳統(tǒng)機(jī)器學(xué)習(xí)算法以及自然語(yǔ)言處理和推薦系統(tǒng)的全部知識(shí)點(diǎn)。

????????本書(shū)闡釋了如何構(gòu)建有監(jiān)督機(jī)器學(xué)習(xí)模型，比如線性回歸、邏輯回歸、決策樹(shù)和隨機(jī)森林，還介紹了無(wú)監(jiān)督機(jī)器學(xué)習(xí)模型，比如K均值和層次聚類。本書(shū)重點(diǎn)介紹特征工程，以便使用PySpark創(chuàng)建有用的特征，從而訓(xùn)練機(jī)器學(xué)習(xí)模型。自然語(yǔ)言處理的相關(guān)章節(jié)將介紹文本處理、文本挖掘以及用于分類的嵌入。

????????在閱讀完本書(shū)之后，讀者將了解如何使用PySpark的機(jī)器學(xué)習(xí)庫(kù)構(gòu)建和訓(xùn)練各種機(jī)器學(xué)習(xí)模型。此外，還將熟練掌握相關(guān)的PySpark組件，從而進(jìn)行數(shù)據(jù)獲取、數(shù)據(jù)處理和數(shù)據(jù)分析，開(kāi)發(fā)數(shù)據(jù)驅(qū)動(dòng)的智能應(yīng)用。

• 抽獎(jiǎng)方式：評(píng)論區(qū)隨機(jī)抽取3位小伙伴免費(fèi)送出！
• 參與方式：關(guān)注博主、點(diǎn)贊、收藏、評(píng)論區(qū)評(píng)論“人生苦短，拒絕內(nèi)卷！”（切記要點(diǎn)贊+收藏，否則抽獎(jiǎng)無(wú)效，每個(gè)人最多評(píng)論三次！）
• 活動(dòng)截止時(shí)間：2023-09-08?20:00:00
• 購(gòu)買(mǎi)鏈接：https://item.jd.com/12611069.html

?名單公布時(shí)間：2023-09-08?21:00:00???

清華大學(xué)出版社9月“秋日閱讀企劃”活動(dòng)開(kāi)始啦，五折疊加無(wú)門(mén)檻優(yōu)惠卷，點(diǎn)擊即刻擁有！
領(lǐng)卷地址：
APP：https://pro.m.jd.com/mall/active/2Z3HoZGKy5i9aEpmoTUZnmcoAhHg/index.html
PC：https://pro.jd.com/mall/active/2Z3HoZGKy5i9aEpmoTUZnmcoAhHg/index.html

?

?

到了這里，關(guān)于【機(jī)器學(xué)習(xí)】人工智能概述（文末送書(shū)）的文章就介紹完了。如果您還想了解更多內(nèi)容，請(qǐng)?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！