目录

1.什么是人工智能

2.人工智能三大概念

3.什么是机器学习

4.什么是深度学习

5.学习方式

6.机器学习常用术语

7.数据集的划分

8.机器学习算法分类

8.1有监督学习

8.2无监督学习

8.3半监督学习

8.3强化学习

---

1.什么是人工智能

人工智能（Artificial Intelligence，AI）指通过计算机系统模拟人类智能的技术与科学，涵盖学习、推理、感知、决策等能力。其核心目标是让机器执行通常需要人类智能的任务，如语言理解、图像识别、问题解决等。

简单来说就是----仿智；像人一样机器智能的综合与分析；机器模拟代替人类

2.人工智能三大概念

三者关系

机器学习是实现人工智能的一种方式，基于统计学

深度学习是机器学习的一种方法发展而来的，基于神经网络

3.什么是机器学习

让机器自动学习，而不是基于规则的编程（不依赖于特定规则编程）

4.什么是深度学习

深度学习也叫深度神经网络，大脑仿生，设计一层一层的神经元模仿万事万物

5.学习方式

        1.基于规则的学习，专家系统，用手工的if-else方式进行的预测

        2.基于模型的学习，从数据中自动学出规律

6.机器学习常用术语

        1.样本：一行数据就是一个样本，多个样本组成数据集；有时一条样本被叫做一条记录

        2.特征：一列数据一个特征，有时也被称为属性，特征是从数据中抽取出来的，对结果预测有用的信息

        3.标签/目标：模型要预测的那一列数据

x_train训练集中的数据（特征）     y_train训练集中的标签（目标值）

x_test测试集中的数据（特征）      y_test测试集中的标签（目标值）

        

7.数据集的划分

        1.训练集：用来训练模型的数据集

        2.测试集：用来测试模型的数据集

一般训练集/测试集==8/2或7/3

8.机器学习算法分类

8.1有监督学习

定义：输入数据是由输入特征值和目标值所组成，即输入的训练数据有标签的

数据集：需要标注数据的标签/目标

有监督学习分为分类问题和回归问题

分类问题：

目标值（标签值）是不连续的，具体的类别（优秀，良好，差）

分类种类：二分类，多分类

回归问题：

目标值（标签值）是连续的（数字）

8.2无监督学习

定义：输入数据没有被标记，即样本数据类型未知，没有标签，根据样本间的相似性，对样本集聚类，以发现事物内部结构及相互关系

数据集：不需要标注数据

特点:1.训练数据无标签

         2.根据样本间的相似性对样本集进行聚类，发现事物内部结构及相互关系

8.3半监督学习

拿有标记的数据训练模型，然后拿训练好的模型对未标记的数据进行预测，然后人为的去校准

8.3强化学习

基本原理：通过构建四个要素：Agent，环境状态，行动，奖励，Agent根据环境状态进行行动获得更多的累积奖励

小孩子学走路的过程

        （1）小孩子就是Agent，他试图通过采取行动（即行走），来操纵环境（行走的地面）

        （2）并且从一个状态转化到另一个状态（他走的每一步）

        （3）当他完成任务的子任务时，孩子得到奖励（吃糖）

        （4）并且他不能走路时，就不会得到巧克力