人工智慧導論筆記大綱
0 檢舉
人工智慧導論筆記大綱
相關推薦
作者其他創作
大綱/內容
看更多
機器學習
定義
什麼是機器學習
垃圾郵件分類
任務t:將郵件識別為垃圾郵件和非垃圾郵件
性能p:正確的將郵件識別為垃圾郵件/非垃圾郵件
訓練經驗e：觀察你標記的郵件為垃圾郵件或非垃圾文件
手寫識別學習問題
任務t:識別和分類圖像中的手寫文字
性能p：分類的正確率
訓練經驗e：已知分類的手寫文字資料庫
機器學習的分類
監督學習
k-臨近算法
決策樹
線性回歸
支持向量機
無監督學習
聚類
自編碼器
弱監督學習
半監督學習
遷移學習
源域和目標域
核心目標
將知識從源域遷移到目標域
實現方式
樣本遷移
特徵遷移
模型遷移
強化學習
目標
策略
探索
利用
按學習結果劃分類型
回歸
分類
聚類
降維
重要概念
示例&樣本
數據集
屬性和特徵
屬性空間
特徵向量
學習和訓練
訓練數據
訓練樣本
訓練集
假設
真相
泛化
一般流程
收集數據
數據的數量
數據的質量
數據的分布
數據準備(預處理)
數據可能存在的問題
數據缺失
噪音
不一致
多餘、不均衡
重複
歸一化
特徵工程
數據集劃分
訓練集：訓練model
測試集：評估最終的模型
驗證集：用於調整和選擇模型
數據清洗
刪除
手工填補
自動填補
離群值
類型轉換
數值型
連續
離散
非數值型
有類別
非類別
選擇算法建立模型
選擇模型
訓練模型
評估模型
性能度量
查准率
roc
損失函數
群智能算法
定義
群智能
群智能算法
遺傳算法
基本遺傳算子
选择算子
交叉算子
变异算子
五個基本要素
參數編碼
二進位編碼
一維染色體編碼方法
優點
缺點
實數編碼
初始群體的設定
初始種群的產生
種群規模的確定
適應度函數的設計
欺騙問題
過早收斂
停滯現象
遺傳操作設計
控制參數設定
交叉
一點交叉
二點交叉
交叉概率
變異
概念
將個體編碼中的一些位進行隨機變化
主要目的
基本內容
變異概率
變異方法
位點變異
逆轉變異
插入變異
搜索技術
搜索策略
盲目搜索：無信息引導
啟發式搜索
盲目搜索
深度優先搜索
基本思想
寬度優先搜索
基本思想
對比異同點、優缺點
啟發式搜索
a算法
a*算法
博弈搜索
a-b剪枝算法
蒙特卡洛樹
選擇
擴展
模擬
回傳
信心上線決策方法
因素1
因素2
0 則評論
下一頁