1. 什么是人工智能
2. 人工智能的学科体系
以下是人工智能学科体系图：
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-ygAsAjXe-1639661142595)(img/AI_structure.png)]
- 机器学习（Machine Learning）：人工智能的一个子学科，研究人工智能领域的基本算法、原理、思想方法，机器学习研究的内容在其它子学科都会用到
- 计算机视觉（Computer Vision）：研究计算机处理、识别、理解图像、视频的相关技术
- 自然语言处理（Natural Language Processing）：研究计算机理解人类自然语言的相关技术
- 语言处理：研究计算机理解识别、理解、合成语音的相关技术
3. 人工智能与传统软件的区别
- 传统软件：执行人的指令和想法，在执行之前人已经有了解决方案，无法超越人的思想和认识范围
- 人工智能：尝试突破人的思想和认识范围，让计算机学习到新的能力，尝试解决传统软件的难题
4. 课程介绍
课程内容主要包括：
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-oI0onYcZ-1639661142596)(img/AI_course.png)]
- 内容多：包括机器学习、深度学习、计算机视觉、NLP、常用框架
- 难度大：学习难度较大，入门难、提高难、应用难
- 需要部分数学知识：记住结论、会调用API、能分析公式、公式推导
- 需要反复学习：第一轮听懂主要内容、第二轮理解核心概念、第三轮熟悉代码编写、第四轮深入理解和应用
-
越学越深
-
先听懂、重理解
- 先易后难，先听后写，先粗后细
- 跳过过难的知识点，抓大放小
- 多看不同作者的教材，多听不同老师的讲解
1. 什么是机器学习
1975年图灵奖获得者、1978年诺贝尔经济学奖获得者、著名学者赫伯特.西蒙（Herbert Simon）曾下过一个定义：如果一个系统，能够通过执行某个过程，就此改进了它的性能，那么这个过程就是学习.由此可看出，学习的目的就是改善性能.
卡耐基梅隆大学机器学习和人工智能教授汤姆.米切尔（Tom Mitchell）在他的经典教材《机器学习》中，给出了更为具体的定义：对于某类任务（Task，简称T）和某项性能评价准则（Performance，简称P），如果一个计算机在程序T上，以P作为性能度量，随着经验（Experience，简称E）的积累，不断自我完善，那么我们称计算机程序从经验E中进行了学习.
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-6iOBFwF4-1639661142596)(img/basketball.png)]
例如，篮球运动员投篮训练过程：球员投篮（任务T），以准确率为性能度量（P），随着不断练习（经验E），准确率不断提高，这个过程称为学习.
2. 为什么需要机器学习
1）程序自我升级；
2）解决那些算法过于复杂，甚至没有已知算法的问题；
3）在机器学习的过程中，协助人类获得事物的洞见.
3. 机器学习的形式
所谓机器学习，在形式上可近似等同于在数据对象中通过统计、推理的方法，来寻找一个接受特定输入X，并给出预期输出Y功能函数f，即$ Y = f(x)$. 这个函数以及确定函数的参数被称为模型.
针对已知的输入，函数给出的输出（预测值）与实际输出（目标值）之间存在一定误差，因此需要构建一个评估体系，根据误差大小判定函数的优劣.
学习的核心在与改善性能，通过数据对算法的反复锤炼，不断提升函数预测的准确性，直至获得能够满足实际需求的最优解，这个过程就是机器学习.
4. 机器学习的分类（重点）
在已知数据输出（经过标注的）的情况下对模型进行训练，根据输出进行调整、优化的学习方式称为有监督学习.
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-RUJ0gygQ-1639661142597)(img/supervised_learning.png)]
b) 无监督学习
没有已知输出的情况下，仅仅根据输入信息的相关性，进行类别的划分.
c) 半监督
先通过无监督学习划分类别，再人工标记通过有监督学习方式来预测输出.例如先对相似的水果进行聚类，再识别是哪个类别.
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-63FfaMA2-1639661142597)(img/Semi_supervised.png)]
d) 强化学习
通过对不同决策结果的奖励、惩罚，使机器学习系统在经过足够长时间的训练以后，越来越倾向于接近期望结果的输出.
将学习过程和应用过程分开，用全部训练数据训练模型，然后再在应用场景中进行预测，当预测结果不够理想时，重新回到学习过程，如此循环.
将学习过程和应用过程统一起来，在应用的同时，以增量的方式不断学习新的内容，边训练、边预测.
根据样本数据，建立用于联系输出和输出的某种数学模型，将待预测输入带入该模型，预测其结果. 例如有如下输入输出关系：
输入（x）输出（y）12243648
根据数据，得到模型 y = 2 x y = 2x y =2 x
预测：输入9时，输出是多少？
根据以往经验，寻找与待预测输入最接近的样本，以其输出作为预测结果（从数据中心找答案）. 例如有如下一组数据：
学历(x1)工作经验(x2)性别(x3)月薪(y)本科3男8000硕士2女10000博士2男15000
预测：本科，3，男 ==> 薪资？
5. 机器学习的一般过程(重点)
注：以上称之为数据处理，包括数据检索、数据挖掘、爬虫…
注：3~6步主要是机器学习过程，包括算法、框架、工具等…
6. 机器学习的典型应用
7. 机器学习的基本问题(重点)
根据已知的输入和输出，寻找某种性能最佳的模型，将未知输出的输入代入模型，得到连续的输出.例如：
- 根据房屋面积、地段、修建年代以及其它条件预测房屋价格
- 根据各种外部条件预测某支股票的价格
- 根据农业、气象等数据预测粮食收成
- 计算两个人脸的相似度
根据已知的输入和输出，寻找性能最佳的模型，将未知输出的输入带入模型，得到离散的输出，例如：
- 手写体识别（10个类别分类问题）
- 水果、鲜花、动物识别
- 工业产品瑕疵检测（良品、次品二分类问题）
- 识别一个句子表达的情绪（正面、负面、中性）
根据已知输入的相似程度，将其划分为不同的群落，例如：
- 根据一批麦粒的数据，判断哪些属于同一个品种
- 根据客户在电商网站的浏览和购买历史，判断哪些客户对某件商品感兴趣
- 判断哪些客户具有更高的相似度
在性能损失尽可能小的情况下，降低数据的复杂度，数据规模缩小都称为降维问题.
8. 课程内容
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-FMeQpBhK-1639661142597)(img/ML_summary.png)]
1. 数据预处理的目的
1）去除无效数据、不规范数据、错误数据
2）补齐缺失值
3）对数据范围、量纲、格式、类型进行统一化处理，更容易进行后续计算
2. 预处理方法
让样本矩阵中的每一列的平均值为0，标准差为1. 如有三个数a, b, c，则平均值为：
m = ( a + b + c ) / 3 a ′ = a − m b ′ = b − m c ′ = c − m m = (a + b + c) / 3 \ a’ = a – m \ b’ = b – m \ c’ = c – m m =(a +b +c )/3 a ′=a −m b ′=b −m c ′=c −m
预处理后的平均值为0：
( a ′ + b ′ + c ′ ) / 3 = ( ( a + b + c ) − 3 m ) / 3 = 0 (a’ + b’ + c’) / 3 =( (a + b + c) – 3m) / 3 = 0 (a ′+b ′+c ′)/3 =((a +b +c )−3 m )/3 =0
预处理后的标准差：s = s q r t ( ( ( a − m ) 2 + ( b − m ) 2 + ( c − m ) 2 ) / 3 ) s = sqrt(((a – m)^2 + (b – m)^2 + (c – m)^2)/3)s =s q r t (((a −m )2 +(b −m )2 +(c −m )2 )/3 )
a ′ ′ = a / s a” = a / s a ′′=a /s
b ′ ′ = b / s b” = b / s b ′′=b /s
c ′ ′ = c / s c” = c / s c ′′=c /s
s ′ ′ = s q r t ( ( ( a ′ / s ) 2 + ( b ′ / s ) 2 + ( c ′ / s ) 2 ) / 3 ) s” = sqrt(((a’ / s)^2 + (b’ / s) ^ 2 + (c’ / s) ^ 2) / 3)s ′′=s q r t (((a ′/s )2 +(b ′/s )2 +(c ′/s )2 )/3 )
KaTeX parse error: Double superscript at position 11: =sqrt((a’ ^̲ 2 + b’ ^ 2 + c…
= 1 =1 =1
标准差：又称均方差，是离均差平方的算术平均数的平方根，用σ表示 ，标准差能反映一个数据集的离散程度
代码示例：
import numpy as np
import sklearn.preprocessing as sp
raw_samples = np.array([
[3.0, -1.0, 2.0],
[0.0, 4.0, 3.0],
[1.0, -4.0, 2.0]
])
print(raw_samples)
print(raw_samples.mean(axis=0))
print(raw_samples.std(axis=0))
std_samples = raw_samples.copy()
for col in std_samples.T:
col_mean = col.mean()
col_std = col.std()
col -= col_mean
col /= col_std
print(std_samples)
print(std_samples.mean(axis=0))
print(std_samples.std(axis=0))
我们也可以通过sklearn提供sp.scale函数实现同样的功能，如下面代码所示：
std_samples = sp.scale(raw_samples)
print(std_samples)
print(std_samples.mean(axis=0))
print(std_samples.std(axis=0))
将样本矩阵中的每一列最小值和最大值设定为相同的区间，统一各特征值的范围.如有a, b, c三个数，其中b为最小值，c为最大值，则：
a ′ = a − b a’ = a – b a ′=a −b
b ′ = b − b b’ = b – b b ′=b −b
c ′ = c − b c’ = c – b c ′=c −b
缩放计算方式如下公式所示：
a ′ ′ = a ′ / c ′ a” = a’ / c’a ′′=a ′/c ′
b ′ ′ = b ′ / c ′ b” = b’ / c’b ′′=b ′/c ′
c ′ ′ = c ′ / c ′ c” = c’ / c’c ′′=c ′/c ′
计算完成后，最小值为0，最大值为1.以下是一个范围缩放的示例.
数据预处理之：范围缩放
import numpy as np
import sklearn.preprocessing as sp
样本数据
raw_samples = np.array([
[1.0, 2.0, 3.0],
[4.0, 5.0, 6.0],
[7.0, 8.0, 9.0]]).astype("float64")
print(raw_samples)
mms_samples = raw_samples.copy() # 复制样本数据
for col in mms_samples.T:
col_min = col.min()
col_max = col.max()
col -= col_min
col /= (col_max - col_min)
print(mms_samples)
我们也可以通过sklearn提供的对象实现同样的功能，如下面代码所示：
根据给定范围创建一个范围缩放器对象
mms = sp.MinMaxScaler(feature_range=(0, 1))# 定义对象(修改范围观察现象)
使用范围缩放器实现特征值范围缩放
mms_samples = mms.fit_transform(raw_samples) # 缩放
print(mms_samples)
执行结果：
[[0. 0. 0. ]
[0.5 0.5 0.5]
[1. 1. 1. ]]
[[0. 0. 0. ]
[0.5 0.5 0.5]
[1. 1. 1. ]]
反映样本所占比率.用每个样本的每个特征值，除以该样本各个特征值绝对值之和.变换后的样本矩阵，每个样本的特征值绝对值之和为1.例如如下反映编程语言热度的样本中，2018年也2017年比较，Python开发人员数量减少了2万，但是所占比率确上升了：
年份Python（万人）Java（万人）PHP（万人）20171020520188101
归一化预处理示例代码如下所示：
数据预处理之：归一化
import numpy as np
import sklearn.preprocessing as sp
样本数据
raw_samples = np.array([
[10.0, 20.0, 5.0],
[8.0, 10.0, 1.0]
])
print(raw_samples)
nor_samples = raw_samples.copy() # 复制样本数据
for row in nor_samples:
row /= abs(row).sum() # 先对行求绝对值，再求和，再除以绝对值之和
print(nor_samples) # 打印结果
在sklearn库中，可以调用sp.normalize()函数进行归一化处理，函数原型为：
sp.normalize(原始样本, norm='l2')
l1: l1范数，除以向量中各元素绝对值之和
l2: l2范数，除以向量中各元素平方之和
使用sklearn库中归一化处理代码如下所指示：
nor_samples = sp.normalize(raw_samples, norm='l1')
print(nor_samples) # 打印结果
根据一个事先给定的阈值，用0和1来表示特征值是否超过阈值.以下是实现二值化预处理的代码：
二值化
import numpy as np
import sklearn.preprocessing as sp
raw_samples = np.array([[65.5, 89.0, 73.0],
[55.0, 99.0, 98.5],
[45.0, 22.5, 60.0]])
bin_samples = raw_samples.copy() # 复制数组
生成掩码数组
mask1 = bin_samples < 60
mask2 = bin_samples >= 60
通过掩码进行二值化处理
bin_samples[mask1] = 0
bin_samples[mask2] = 1
print(bin_samples) # 打印结果
同样，也可以利用sklearn库来处理：
bin = sp.Binarizer(threshold=59) # 创建二值化对象(注意边界值)
bin_samples = bin.transform(raw_samples) # 二值化预处理
print(bin_samples)
二值化编码会导致信息损失，是不可逆的数值转换.如果进行可逆转换，则需要用到独热编码.
根据一个特征中值的个数来建立一个由一个1和若干个0组成的序列，用来序列对所有的特征值进行编码.例如有如下样本：
[ 1 3 2 7 5 4 1 8 6 7 3 9 ] \left[ \begin{matrix} 1 & 3 & 2\ 7 & 5 & 4\ 1 & 8 & 6\ 7 & 3 & 9\ \end{matrix} \right]⎣⎢⎢⎡1 7 1 7 3 5 8 3 2 4 6 9 ⎦⎥⎥⎤
对于第一列，有两个值，1使用10编码，7使用01编码
对于第二列，有三个值，3使用100编码，5使用010编码，8使用001编码
对于第三列，有四个值，2使用1000编码，4使用0100编码，6使用0010编码，9使用0001编码
编码字段，根据特征值的个数来进行编码，通过位置加以区分.通过独热编码后的结果为：
$$
\left[
\begin{matrix}
10 & 100 & 1000\\
01 & 010 & 0100\\
10 & 001 & 0010\\
01 & 100 & 0001\\
\end{matrix}
\right]
$$
使用sklearn库提供的功能进行独热编码的代码如下所示：
独热编码示例
import numpy as np
import sklearn.preprocessing as sp
raw_samples = np.array([[1, 3, 2],
[7, 5, 4],
[1, 8, 6],
[7, 3, 9]])
one_hot_encoder = sp.OneHotEncoder(
sparse=False, # 是否采用稀疏格式
dtype="int32",
categories="auto")# 自动编码
oh_samples = one_hot_encoder.fit_transform(raw_samples) # 执行独热编码
print(oh_samples)
print(one_hot_encoder.inverse_transform(oh_samples)) # 解码
执行结果：
[[1 0 1 0 0 1 0 0 0]
[0 1 0 1 0 0 1 0 0]
[1 0 0 0 1 0 0 1 0]
[0 1 1 0 0 0 0 0 1]]
[[1 3 2]
[7 5 4]
[1 8 6]
[7 3 9]]
根据字符串形式的特征值在特征序列中的位置，来为其指定一个数字标签，用于提供给基于数值算法的学习模型.代码如下所示：
标签编码
import numpy as np
import sklearn.preprocessing as sp
raw_samples = np.array(['audi', 'ford', 'audi',
'bmw','ford', 'bmw'])
lb_encoder = sp.LabelEncoder() # 定义标签编码对象
lb_samples = lb_encoder.fit_transform(raw_samples) # 执行标签编码
print(lb_samples)
print(lb_encoder.inverse_transform(lb_samples)) # 逆向转换
执行结果：
[0 2 0 1 2 1]
['audi' 'ford' 'audi' 'bmw' 'ford' 'bmw']
1）判断以下哪个是回归问题，哪个是分类问题，哪个是聚类问题：
- 判断一封邮件是否为垃圾邮件（分类）
- 在图像上检测出人脸的位置（回归，预测x,y,w,h四个值，每个值都是连续的）
- 视频网站根据用户观看记录，找出喜欢看战争电影的用户（聚类）
2）分类和聚类主要区别是什么？（分类是有监督学习，聚类是无监督学习）
3）判断以下哪些是数据降维问题
- 将88的矩阵缩小为44的矩阵（是）
- 将二维矩阵变形为一维向量（是）
- 将高次方程模型转换为低次方程模型（是）
4）说出以下编码格式属于哪种预处理方式
减肥：[1, 0, 0, 0, 0]
增重：[0, 1, 0, 0, 0]
瘦身：[0, 0, 1, 0, 0]
5）说出以下数据处理属于哪种预处理方式
原始数据：
[[0, 150, 200],
[1, 180, 223],
[2, 190, 255]]
转换后的数据：
[[0, 0, 255],
[0, 0, 255],
[0, 0, 255]]
Original: https://blog.csdn.net/weixin_40809507/article/details/121984400
Author: 不学无术-倪
Title: 人工智能课程概述
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/531017/
转载文章受原作者版权保护。转载请注明原作者出处！