2.一文看懂70年的人工智能简史:http://www.elecfans.com/d/930779.html
5.为什么需要机器学习,之前的if else判断不可以么
很多软件无法靠人工编程:自动驾驶,自然语言处理等
6.人类思考与机器学习之前的区别
机器学习的分类:1.监督学习2.非监督学习3.半监督学习4.强化学习
监督学习又包含分类与回归
**分类问题是用于将事物打上一个标签,通常结果为离散值。**例如判断一幅图片上的动物是一只猫还是一只狗,分类通常是建立在回归之上,分类的最后一层通常要使用softmax函数进行判断其所属类别。分类并没有逼近的概念,最终正确结果只有一个,错误的就是错误的,不会有相近的概念。最常见的分类方法是逻辑回归,或者叫逻辑分类。
回归与分类的不同
回归问题通常是用来预测一个值,如预测房价、未来的天气情况等等,例如一个产品的实际价格为500元,通过回归分析预测值为499元,我们认为这是一个比较好的回归分析。一个比较常见的回归算法是线性回归算法(LR)。另外,回归分析用在神经网络上,其最上层是不需要加上softmax函数的,而是直接对前一层累加即可。回归是对真实值的一种逼近预测。
名词解释:
举例:分类:
有标签,有答案,属于分类问题,应用场景(预测的结果是离散的,例如预测明天天气-阴,晴,雨)
一堆数据,自己找到之间的关联和区别
ai自动玩游戏
如何写代码
使用TensorFlow:google开源科学计算库
不同角度,T或者F
可视化:http://playground.tensorflow.org
安装:目前python2已无法安装,必须使用python3.7以上
使用命令安装: pip install tensorflow==1.13.1 没有显卡就安装cpu版本,用来学习
名词解释: 1.Tensor:张量
TensorFlow中的张量就是一个n维的数组,Tensor具有两个重要的属性,包括张量的数据类型(dtype)及张量的形状(shape)。
主要的张量包括:
a.tf.Variable 变量张量,一般表示机器学习参数
b.tf.constant 常量张量,一般用来表示常量,不可改变
c.tf.placeholder 占位符张量,一般用来表示机器学习中输入的数据
import tensorflow as tf
//定义了⼀个张量,有6个元素,设置他的形状是[2.3]
a = tf.constant([1,2,3,4,5,6], shape=[2,3])
with tf.Session() as session:
print(session.run(a))
2.Session是什么:
TensorFlow中只有让Graph(计算图)上的节点在Session(会话)中执行,才会得到结果。Session的开启涉及真实的运算,因此比较消耗资源。在使用结束后,务必关闭Session。
例如:
上述这种方式需要手动关闭Session,比较繁琐。我们可以采用另一种形式,可以不用手动关闭会话。实质就是指定Session的有效范围,离开有效范围自动失效。
3.梯度下降
y=kx+b
可以理解为为了找到最合适的k值,情形1和情形2都不是最小的值,只有无限接近于0,才是最符合的k值,
计算过程见pdf
4.归一化
可以理解为为了找到最合适的k值,情形1和情形2都不是最小的值,只有无限接近于0,才是最符合的k值,
计算过程见pdf
1)归一化是指归纳同意样本的统计分布性,归一化在0-1之间是统计概率分布,归一化在-1----+1之间是统计的坐标分布。
比如房价1万,2万这样的数据,后面再乘起来太大了,都把他变成1,2方便计算
2)归一化处理的目的
为了后面数据处理方便,归一化可以避免一些不必要的数值问题。 为了程序运行时收敛加快。 统一量纲。样本数据的评价标准不一样,需要对其量纲化,统一评价标准。
5.神经元
单个神经元网络模型如上图所示,计算公式如下:
y = x0w+x1w+...+xnw+b=Ʃwi × xi + b = w • x + b
其中,y为输出结果,x为输入,w为权重,b为偏置。
训练神经网络,其实就是不断的调整w和b的值,使之得到一个合适的值,最终这个值配合运算公式形成的逻辑,就是神经网络的模型。
后一值的输入是前一值的输出,这样形成一个网络,就是神经网络
其他非线性的问题需要用到的计算模型
他们需要用到激活函数,简单理解就是给计算结果乘以一个数,让结果变的更加复杂,还有隐层的概念
CNN卷积神经网络
类似于高精度图片缩成低精度
RNN-LSTM循环神经网络 GAN(生成对抗网络)
本质就是对y=kx+b的模拟,只不过很多问题是曲线或者根本不是线性的
demo代码:波士顿房价预测:https://blog.csdn.net/qq_24211837/article/details/122132162
招聘现状:要求高,985,211,学历高,难度大,工资高,岗位少,据说卷的厉害