人工智能导论入门(二.机器学习基础)
2021/5/8 10:29:05
本文主要是介绍人工智能导论入门(二.机器学习基础),对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!
首先我们要明白 人工智能 机器学习 深度学习的关系。
其中 人工智能 > 机器学习 > 深度学习
什么是机器学习?
从字面意思来理解的话,就是使得“机器”具有学习的能力,从而能够自主工作,解放人类生产力。
那么官方解释:专门研究计算机怎么模拟或实现人类的学习行为,以或得新知识或技能。
机器学习的一般过程
从上图我们可以得知所谓的机器学习就是:让机器从大量数据或者历史经验中,学习某种习性-----找到一个适合的函数,然后对新的场景中的数据进行预测。
机器学习发展历史
机器学习应用场景
1.搜索引擎
2.信息推荐
3.图片识别
4.用户分析
5.机器翻译,摘要生成
6.自动驾驶
机器学习方法
1.有监督学习(supervised learning):从给定的有标注的训练数据集中学习出一个函数(模型参数),然后用这个函数去预测新的数据得到结果。
- 常见任务有:分类 和 回归
- 分类问题输出的是物体所属的类别,回归问题输出的是物体的值。
2.无监督学习(unsupervised learning):没有标注的训练数据集,根据样本之间的统计规律对样本数据进行分析。
- 常见任务有:聚类
- 所谓聚类,“物以类聚”。就是按照特征分类
3.半监督学习:结合(少量)标注训练数据和(大量的)未标注数据来进行数据的分类学习。
- 这里不常见,不过由于数据标注是一个繁琐,枯燥又要求一定的技术水平。所以实现智能标注是未来的一大趋势。
- 近期百度EasyDL平台实现了智能标注,原理:先标注少量数据训练一个较为优良的模型,然后利用这个模型去标注未标注的数据集。(套娃操作)
4.强化学习:外部环境对输出只给出评价信息而非正确答案,学习机通过强化受奖励的动作来改善自身的性能。
- 还记得高中生物课本中:狗狗闻到肉会流口水,铃声一响,喂狗狗吃肉…如此一段时间下来,铃声一响,狗狗就流口水。(好像是这样子的)
5.多任务学习:把多个相关的任务放在一起同时学习。
- 现实世界中很多问题不能分解为一个一个独立的子问题,并且这样子忽略了问题之间所包含的丰富的关联信息。多任务学习就是为了解决这个问题而诞生的。
这篇关于人工智能导论入门(二.机器学习基础)的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!
- 2024-07-02AI Agent项目实战(03)-利用TTS技术让你的AI Agent发声
- 2024-06-25AI大模型企业应用实战(24)-什么是zero-shot, one-shot和few-shot Learning?
- 2024-06-24AI大模型企业应用实战(19)-RAG应用框架和解析器
- 2024-06-24AI大模型企业应用实战(20)-RAG相似性检索的关键 - Embedding
- 2024-06-24AI大模型企业应用实战(21)-RAG的核心-结果召回和重排序
- 2024-06-24AI大模型企业应用实战(22)-Prompt让LLM理解知识
- 2024-06-23AI大模型企业应用实战(17)-利用memory为LLM解决长短时记忆问题
- 2024-06-23AI大模型企业应用实战(18)-“消灭”LLM幻觉的利器 - RAG介绍
- 2024-06-23AI 大模型应用开发实战(04)-AI生态产业拆解
- 2024-06-23AI 大模型企业应用实战(13)-Lostinthemiddle长上下文精度处理