人工智能复习0

一 概念

1.1 范畴

人工智能 > 机器学习 > 深度学习

1.2 机器学习

• 有输入输出数据的情况下寻找合适的函数。
  input -> f() -> output
  机器学习就是解出最合适的f
• E T P 在一个Task下，随着E的增多，P也在增大。以P为衡量标准，从E中找到解决T的最佳方案。

1.3 机器学习分类

• 监督学习 有标签
  -- 分类
  == 二分类
  == 多分类
  == 多标签分类
  == 多输出分类
  -- 回归
• 半监督学习 部分有标签
• 无监督学习 无标签
• 迁移学习 解决类似问题
• 强化学习 交互式

1.4 机器学习步骤

定义模型(一系列函数) -> 定义衡量模型好坏的方法 -> 以2为标准衡量1，不断重复，得到最佳函数

1.5 欠拟合和过拟合

欠拟合 在训练集上表现不好

过拟合 在测试集上表现不好

1.6 数据集

分类

• 训练集
• 验证集
• 测试集
  样本 一条数据
  标签 样本中认为是标注的项

过程

• 训练、学习 -> 训练集、验证集
• 推理、预测 -> 测试集、其他数据

函数

• 最佳函数 最终选的函数-
• 代价函数 定义模型的好坏

标准
评估标准 模型选择
测试标准 泛华性能