- 人工智能和機(jī)器學(xué)習(xí)之間的關(guān)系是什么？
? ? - 機(jī)器學(xué)習(xí)是用來(lái)實(shí)現(xiàn)人工智能的一種技術(shù)手段
- 算法模型
? ? - 概念：特殊的對(duì)象。特殊之處就在于該對(duì)象內(nèi)部已經(jīng)集成或者封裝好一個(gè)某種方程（還沒(méi)有求出解的方程）
? ? - 作用：算法模型對(duì)象最終求出的解就是該算法模型實(shí)現(xiàn)預(yù)測(cè)或者分類的結(jié)果
? ? ? ? - 預(yù)測(cè)
? ? ? ? - 分類
- 樣本數(shù)據(jù)：numpy，DataFrame
? ? - 樣本數(shù)據(jù)和算法模型之間的關(guān)聯(lián)：樣本數(shù)據(jù)是需要帶入到算法模型對(duì)象中對(duì)其內(nèi)部封裝的方程進(jìn)行求解的操作。該過(guò)程被稱為模型的訓(xùn)練。
? ? - 組成部分：
? ? ? ? - 特征數(shù)據(jù)：自變量（樓層，采光率，面積）
? ? ? ? - 目標(biāo)數(shù)據(jù)：因變量（售價(jià)）
- 模型的分類：
? ? - 有監(jiān)督學(xué)習(xí)：如果模型需要的樣本數(shù)據(jù)中必須包含特征和目標(biāo)數(shù)據(jù)，則該模型歸為有監(jiān)督學(xué)習(xí)的分類
? ? - 無(wú)監(jiān)督學(xué)習(xí)：如果模型需要的樣本數(shù)據(jù)只需要有特征數(shù)據(jù)即可。
? ??
- sklearn模塊：大概封裝了10多種算法模型對(duì)象。
? ? - 線性回歸算法模型-》預(yù)測(cè)
? ? - KNN算法模型-》分類

分類和預(yù)測(cè)的區(qū)別

- 分類

分類：輸入樣本數(shù)據(jù)，輸出對(duì)應(yīng)的類別，將樣本中每個(gè)數(shù)據(jù)對(duì)應(yīng)一個(gè)已知屬性。(有監(jiān)督學(xué)習(xí))

分類算法分為兩步：

(1)學(xué)習(xí)步：通過(guò)訓(xùn)練樣本數(shù)據(jù)集，建立分類規(guī)則

(2)分類步：用已知的測(cè)試樣本集評(píng)估分類規(guī)則的準(zhǔn)確率，若準(zhǔn)確率可接受，則是使用該規(guī)則對(duì)除樣本以外的數(shù)據(jù)(待測(cè)樣本集)進(jìn)行預(yù)測(cè)。

- 預(yù)測(cè)

預(yù)測(cè)：兩種或者兩種以上的變量之間相互依賴的函數(shù)模型，進(jìn)行預(yù)測(cè)或者控制。

預(yù)測(cè)算法分兩步：

(1)通過(guò)訓(xùn)練集建立樣本模型

(2)通過(guò)檢驗(yàn)后進(jìn)行預(yù)測(cè)或者控制

- 常用的分類與預(yù)測(cè)算法

1.回歸分析：線形回歸、非線性回歸、Logistic回歸、嶺回歸、主成分回歸、最小二乘回歸等。

2.決策樹：分類算法

3.ANN(人工神經(jīng)網(wǎng)絡(luò))：

4.貝葉斯網(wǎng)絡(luò)

5、支持向量機(jī)(svm):將低維非線性轉(zhuǎn)換為高維線形進(jìn)行計(jì)算。
?

總結(jié)

以上是生活随笔為你收集整理的机器学习和人工智能的关系的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。