人工智能概述

人工智能的定义

· 人工智能是通过机器来模拟人类认识能力的一种科技能力

· 人工智能最核心的能力就是根据给定的输入做出判断或预测

· 思考:通过什么途径才能让机器具备这样的能力?

· 举一个例子:

机器也需要学习

什么是机器学习

机器学习的定义

· 机器学习为人工智能提供了基础,机器学习就是一种使用数据来训练软件模型的技术。

什么是机器学习

理解模型

模型可以根据X的数值计算出Y的值,简单的说,如果有一个函数,输入一组X的数值(特征值),机器计算出中Y(预测值)的数值,f(x) = y 函数可以理解为一个简单的模型。

什么是机器学习

丼例:通过波士顿房价信息预测房价

什么是机器学习

丼例:通过波士顿房价信息预测房价

X1,X2,X3…代表特征,W1,W2,W3…代表权重, 复杂权重计算交给机器处理,得到f(x)=0.1231xX1+0.41xX2+0.57xX3,画出广义的f(x)=y坐标图

监督学习

从给定的训练数据集(历史数据)中学习出一个函数,当新的数据到来时,可以根据这个函数预测结果。

监督学习的训练集需要包括输入和输出,也可以说是特征和目标。训练集中的目标是由人标注的。

label是标注,是要预测的目标值,feature是特征

以下用例基于华为云机器服务平台演示

监督学习:回归

线性回归举例:假设有一项健康运动的研究调查,通过手腕传感器收集一些健身者的数据,比如性别、身高、体

重、年龄、心率、运动时长、体温、消耗的卡里路数据,现在要利用这些数据来预测罗西锻炼所消耗的卡路里。

监督学习:回归

线性回归建模实操演示

监督学习:回归

回归模型的评估标准

回归模型的评估值为MAE(平均绝对误差)、MSE(均方误差)、RMSE(均方根误差)。上述3个误差值是指评分真实值与预测值乊间的误差,在多次建模的过程中,每一次建模结果都会产生一组误差值,评判一个回归模型好坏的方法就是看这三个误差值是否变小或者变大,误差值越小表示回归模型越好.

平均绝对误差MAE(mean absolute error)、均方误差MSE(mean squared error)、均方根误差RMSE(root mean squared error)

监督学习:回归

算法:随机决策森林回归VS线性回归

监督学习:分类

分类举例:假设有一家诊所,收集到患者的一些信息,例如血糖指数、心脏血压、年龄、身体质量指数等信息,幵且已标注糖尿病患者和非糖尿病患者(1和0),利用数据训练一个模型来做预测。

监督学习:分类

分类建模实操演示

监督学习:分类

分类模型的评估标准

· 模型预测的值是在0到1乊间,阈值的选择决定预测值。

· 若一个实例是正例,幵且被预测为正例,即为真正例(True Postive TP)

· 若一个实例是正例,但是被预测成为负例,即为假负例(False Negative FN)

· 若一个实例是负例,但是被预测成为正例,即为假正例(False Postive FP)

· 若一个实例是负例,幵且被预测成为负例,即为真负例(True Negative TN)

· 精确率、准确率: Accuracy =(TP+TN)/(TP+TN+FN+FP)

· 精准率、查准率: Precision = TP/ (TP+FP)

· 召回率、查全率: Recall = TP/ (TP+FN)

· 真正类率(true postive rate TPR)灵敏度,Sensitivity(正类覆盖率),TPR = TP/(TP+FN)

· 负正类率(false postive rate FPR)特异度,划分实例中所有负例占所有负例的比例,FPR=FP/(FP+TN)

· 纵轴TPR:Sensitivity(正例覆盖率),TPR越大,预测正类中实际正类越多

· 横轴FPR:FPR越大,预测正例中实际负例越多。

· ROC曲线:接收者操作特征(receiveroperating characteristic), ROC曲线上每个点反映着对同一信号刺激的感

受性

监督学习:分类

分类模型的评估标准

ROC曲线下面的区域,称乊为AUC,是判断模型预测表现的指标。一般来说,AUC区域越大,曲线越靠近左上角模型的表现越好

监督学习:分类

算法:梯度提升树分类VS决策树分类

非监督学习:聚类

聚类建模实操演示

现有批发商品交易活动数据,依据每个客户的年进货量大小,找出潜在的大客户,然后定制化销售策略

大客户(id:2)、中客户(id:1)及小客户(id:0)

非监督学习:聚类

k均值聚类算法:k=3 k是中心点(质心点)

随机位置绘制k个点 确定网格中每个点最接近哪个中心点

最终产生有良好分离效果的聚类

判断依据:聚类中心之间的平均距离,和集群中心点到最远点的距离相对比,这个比例越大,聚类的分离程度越大

机器学习流程

核心流程:

数据收集:理解数据的含义,数据质量评估

数据处理:数据清洗(去噪、去重)、数据格式转换、特性提取

模型训练:了解常用的机器学习算法,选择合适的算法去训练

评估模型:通过测试数据集去预测目标,分析评估模型指标数据,评估结果可视化

应用模型:导出或发布模型进行应用,最后对模型的效果进行反馈跟踪

如何快速掌握AI应用的能力

角色定位:

AI应用工程师:主要将AI与行业应用结合,开发各种应用或者中间件

AI售前工程师:主要是结合各行业,提出各种AI应用的场景,向客户提供解决方案

AI集成工程师:主要是与AI产品供应商合作,提供整体集成解决方案,包括实施和运维
AI产品经理:主要是将AI 功能落地到产品上,提升产品交互体验,增强产品竞争力

AI研发工程师:主要负责核心AI技术的研发工作(算法、模型)

详细内容可以结合直播学习

直播地址:http://zhibo.huaweicloud.com/watch/2668613

版权声名:部分图片素材来源网络,如有侵仅及时联系本人

转载请注明来源

作者:刘毅超 微信号:yichao233

AI零基础入门之人工智能开启新时代—下篇的更多相关文章

  1. AI零基础入门之人工智能开启新时代—上篇

    人工智能的发展史及应用 开篇:人工智能无处不在 人工智能的发展历程 · 1945艾伦图灵在论文<计算机器不智能>中提出了著名的图灵测试,给人工智能的収展产生了深远的影响. · 1951年, ...

  2. Linux及Arm-Linux程序开发笔记(零基础入门篇)

    Linux及Arm-Linux程序开发笔记(零基础入门篇)  作者:一点一滴的Beer http://beer.cnblogs.com/ 本文地址:http://www.cnblogs.com/bee ...

  3. (转)零基础入门深度学习(6) - 长短时记忆网络(LSTM)

    无论即将到来的是大数据时代还是人工智能时代,亦或是传统行业使用人工智能在云上处理大数据的时代,作为一个有理想有追求的程序员,不懂深度学习(Deep Learning)这个超热的技术,会不会感觉马上就o ...

  4. Linux从入门到放弃、零基础入门Linux(第三篇):在虚拟机vmware中安装linux(二)超详细手把手教你安装centos6分步图解

    一.继续在vmware中安装centos6.9 本次安装是进行最小化安装,即没有图形化界面的安装,如果是新手,建议安装带图形化界面的centos, 具体参考Linux从入门到放弃.零基础入门Linux ...

  5. 【Linux开发】Linux及Arm-Linux程序开发笔记(零基础入门篇)

    Linux及Arm-Linux程序开发笔记(零基础入门篇) 作者:一点一滴的Beer http://beer.cnblogs.com/ 本文地址:http://www.cnblogs.com/beer ...

  6. 大牛整理最全Python零基础入门学习资料

    大牛整理最全Python零基础入门学习资料 发布时间:『 2017-11-12 11:56 』     帖子类别:『人工智能』  阅读次数:3504 (本文『大牛整理最全Python零基础入门学习资料 ...

  7. 【JAVA零基础入门系列】Day4 变量与常量

    这一篇主要讲解Java中的变量,什么是变量,变量的作用以及如何声明,使用变量. 那么什么是变量?对于初学者而言,可以将变量理解为盒子,这些盒子可以用来存放数据,不同类型的数据需要放在对应类型的盒子里. ...

  8. 【JAVA零基础入门系列】Day6 Java字符串

    字符串,是我们最常用的类型,每个用双引号来表示的串都是一个字符串.Java中的字符串是一个预定义的类,跟C++ 一样叫String,而不是Char数组.至于什么叫做类,暂时不做过多介绍,在之后的篇章中 ...

  9. 【JAVA零基础入门系列】Day11 Java中的类和对象

    今天要说的是Java中两个非常重要的概念--类和对象. 什么是类,什么又是对象呢?类是对特定集合的概括描述,比如,人,这个类,外观特征上,有名字,有年龄,能说话,能吃饭等等,这是我们作为人类的相同特征 ...

随机推荐

  1. docker搭建及使用:centos7.0+docker+flask+nginx

    flask笔记: centos7安装Docker: yum install docker 启动docker服务: service docker start 构建基本镜像: sudo docker pu ...

  2. vscode-Live Server的使用心得

    一,安装Live Server插件(不详细说明了) 二,开启Server(服务) 有四种方式: 在窗口的最底部有Go Live可以点击,一旦点击,就会自动在浏览器中打开HTML文件 在HTML文件中右 ...

  3. Ajax数据爬取

    Ajax的基本原理 以菜鸟教程的代码为例: XMLHTTPRequest对象是JS对Ajax的底层实现: var xmlhttp; if (window.XMLHttpRequest) { // IE ...

  4. UGUI打字机效果文本组件

    using System.Collections; using System.Collections.Generic; using UnityEngine; using UnityEngine.UI; ...

  5. Mysql常用命令大全 sql

    1.连接Mysql 格式: mysql -h主机地址 -u用户名 -p用户密码 1.连接到本机上的MYSQL.首先打开DOS窗口,然后进入目录mysql\bin,再键入命令mysql -u root ...

  6. ubuntu 配置apt-get源

    ubantu安装软件速度慢一般是因为系统默认选择的源导致,可以通过手动配置源设置解决. 1. 原文件备份 sudo mv /etc/apt/sources.list /etc/apt/sources. ...

  7. Windows 10无法连接远程桌面解决办法(这可能是由于CredSSP加密Oracle修正)

    问题描述: 使用windows10 连接远程桌面时出现如下错误: 出现身份验证错误. 要求的函数不受支持. 这可能是由于CredSSP加密Oracle修正. 若要了解详细信息,请访问https://g ...

  8. 初学python之路-day12

    本篇补上字符串的比较:按照从左往右比较每一个字符,通过字符对应的ascii进行比较 一.函数默认值的细节 # 如果函数的默认参数的默认值为变量,在所属函数定义阶段一执行就被确定为当时变量存放的值 a ...

  9. NLP自然语言处理原理及名词介绍

    1. 自然语言概念 自然语言,即我们人类日常所使用的语言,是人类交际的重要方式,也是人类区别其他动物的本质特征. 但是我们只能通过自然语言与人交流,无法与计算机进行交流. 2. 自然语言处理 自然语言 ...

  10. MySQL 笔记(Mysql 8.0.16)

    用户登陆 mysql -u user_name -p 修改密码 ALTER USER 'root'@'localhost' IDENTIFIED BY 'new_password'; 关闭服务 D:\ ...