机器学习1--概述

一、概述

1. 人工智能的应用：交通、网络安全、电子商务、
2. 人工智能发展三要素：数据、算法、计算力。
   • CPU,GPU,TPU
   • CPU主要适合I\O密集型任务
   • GPU主要适合计算密集型任务

提问：什么类型的程序适合在GPU上运行？

• 第一种，计算密集型程序。计算密集型程序是指大部分运行时间花在寄存器的运算上，寄存器的速度和处理器的速度相当，从寄存器读写数据几乎没有延时。
• 第二种，易于并行的程序。GPU其实是一种SIMD架构，有成千上百个核，每一个核在同一时间最好能做一样的事情。

3. 人工智能、机器学习和深度学习：
   • 机器学习是人工智能的实现途径
   • 深度学习是机器学习的一个方法发展而来

二、发展历程

1. 起源：

   • 图灵测试。
   • 达特茅斯会议。1956年。

2. 时间线：

   • 第一是起步发展期：1956-1960；
   • 第二是反思发展期：20世纪60年代-70年代初；
   • 第三是应用发展期：20世纪70年代初-80年代中；
   • 第四是低迷发展期：20世纪80年代中-90年代中；
   • 第五是稳步发展期：20世纪90年代中-2010；
   • 第六是蓬勃发展期：2011至今。

三、主要分支

主要分支：
- 计算机视觉：机器感知环境的能力
- 语音识别：识别语音并将其转换成对应文本的技术
- 文本挖掘、分类：文本分类，理解组织文档
- 机器翻译
- 机器人

四、工作流程

1. 什么是机器学习？
   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预测。

2. 机器学习工作流程

   • 1 获取数据
   • 2 数据基本处理
   • 3 特征工程
   • 4 机器学习，模型训练
   • 5 模型评估

五、算法分类

1. 监督学习
   输入数据由特征值和目标值组成，输出为一个连续的值（回归）或者有限个离散的值（分类）。
2. 无监督学习
   输入数据由特征值组成，没有目标值。
3. 半监督学习
   训练集同时包含有标记样本数据和未标记数据。
4. 强化学习
   决策问题。agent采用行动操纵环境，从一个状态转变到另一个状态，得到奖励。

六、模型评估

1. 分类模型评估：准确率
2. 回归模型评估：均方根误差
3. 拟合
   • 欠拟合，学习到太少
   • 过拟合，在训练集优越，在测试集不能泛化