# 人工智能

代码地址:https://gitee.com/workbook/Machine-Learning.git (opens new window)

# 关系

人工智能包括机器学习 机器学习包括深度学习

  1. 机器学习是人工智能的一个实现途径
  2. 深度学习是机器学习的一个方法发展而来

# 发展

人工智能的起点 -1956 年 8 月的达特茅斯会议

分为两大流派

  1. 逻辑主义或符号主义
  2. 联结主义,研究方向是纺人的神经网络

20 世纪 80 年代 一些搞统计的人 统计学习方法/机器学习

其中 人工神经网络这个方法 通过不过改进 2010 后型成了深度学习

# 应用

  1. 传统预测
  2. 图像识别
  3. 自然语言处理

# 机器学习

机器学习是从数据中自动分析获得模型,并利用模型对未知数据进行预测

# 数据集构成

结构:特征值 + 目标值

注:

  1. 对于每一行数据我们可以称为样本。
  2. 有些数据集可以没有目标值

# 算法分类

# 监督学习

  1. 目标值:类别 - 分类问题 (比如说判断图片是猫还是狗)

    算法:k-近邻算法、贝叶斯分类、决策树与随机森林、逻辑回归

  2. 目标值:连续型数据 - 回归问题(比如说通过面积朝向位置等预测房价)

    算法:线性回归、岭回归

# 无监督学习

  1. 目标值:无 - 无监督学习

    算法:聚类 k-means

# 问题

  1. 预测明天的气温是多少度? 回归
  2. 预测明天是阴、晴还是雨? 分类
  3. 人脸年龄预测? 回归/分类
  4. 人脸识别? 分类

# 开发流程

  1. 获取数据
  2. 数据处理
  3. 特征工程
  4. 机器学习算法训练 - 模型
  5. 模型评估
  6. 应用

# 学习资料

算法是核心,数据与计算是基础

# 数学

高等数学、概率论与数理统计、线性代数

# 实战类书籍

  1. 机器学习 -”西瓜书”- 周志华
  2. 统计学习方法 - 李航
  3. 深度学习 - “花书”

# 库与框架

# 机器学习框架

sklearn

# 深度学习框架
  1. theano -> tensorflow
  2. Chainer -> pytorch
  3. Caffe2