人工智能AI、机器学习模型理解.pdf下载

[weixin_39822095]

⼈⼯智能AI、机器学习模型理解 ⼈⼯智能就是机器学习和⼤数据； 机器学习是什么：就是算法模型； 算法模型是什么： 俗地说，模型就是机器学习采⽤的算法。"模型⽂件"⼀般说的是这个算法⽤到的各种输⼊、输出数据的值。 因为机器学习往往需要⼤量的运算，所以有必要将中间变量也存⼊⽂件中，以便可以多次地运算。 机器学习是⼀类算法的通称，具体到某个算法，那模型的差异就很⼤了，就算某⼀类算法（⽐如神经元⽹络），它的不同形态（CNN、 RNN、DNN、LSTM）构成的模型也有很⼤的差异。 《统计学习⽅法》上来说，⼀个机器学习的三要素为模型、策略、算法，模型就是我们简单的理解，策略主要是是损失函数和正则化项，算 法是指优化策略的算法 如果你数学很好，可以这么理解。模型就是⼀个函数y = f(x)，x是数据的各个特征，y是类别标签，模型就是把特征映射到类别的⼀个函 数。 当然，这只是⼀个简单的模型，如线性模型的函数为y = ax+b，这⾥⾯只有⼀个特征x，多个类别y。 ⼤多数模型的原理都是这简单的模型建⽴起来的； 模型⽂件就是写好的算法下次可以不断地复⽤，如同jar包 python中的模块差不多； 模型就是通过当前数据集得到⼀个复杂的多维函数，可以理解为 y = w1.x1+w2.x2+...+b 只是这个函数极为复杂，他的参数是要随之改 变，⽽y就是我们的⽬标值，这个整体我们可以理解为⼀个策略或者⼀个函数，我们要做的就是优化w和b，使其每次y都跟真实的y⽆限接 近。 运⽤机器学习算法进⾏研究，其实就是寻找⽬标函数的过程。通过构建机器学习模型（形成函数集），⽤训练数据做驱动，寻找与训练数据 匹配，并且在测试数据中表现优异的函数。所以构建机器学习模型就显得⼗分的重要了。以线性回归为例⼦，⼤家可以看⼀下下⾯的图。 在寻找⽬标函数时，假如函数集范围太⼩，正如图左所⽰只是⼀次式项，那么很有可能⽬标函数不在函数集⾥⾯，也就说bias(偏差)⽐较 ⼤，远离了⽬标函数（也就是图中的靶⼼），这是我们经常说的⽋拟合。⽽如果我们尽量把函数集设⼤⼀点（函数集尽可能的⼤就有希望能 够包含⽬标函数），这样bias会变⼩，但是也带来了坏处，模型对噪⾳数据会特别敏感，⼀不⼩⼼就会出现过拟合的情况。因为我们本⾝并 不知道⽬标函数到底长什么样，所以我们就要不断测试修改模型，希望能达到好的效果。下⾯是⼀点tips,⼤家可以参考⼀下。 ⽋拟合：1 增加特征 2 调整为更加复杂的模型 过拟合：1 增加数据量 2 正则化 上⾯说的是传统机器学习中模型的设计，那么在深度学习中，我们⼜该如何设计？⾸先⼤家要理解⼀点，为什么要"deep"？下⾯⼤家继 续看图。 ⼤家仔细看图就会发现，1.随着隐藏层的增加，错误率在减低。2. 7X2K 对应的错误率是17.1% ，⽽与之参数量相当的1X16K 对应的错 误率却是22.1% 。 理论上说，只要⼀层隐藏层⾥⾯神经元够多，那么这个模型⾜以接近任何函数。也就是说，我们没必要把神经⽹络弄 deep，但是⼤家看图就会发现，deep 要⽐ ⼀层效果好。其实这就包含了拆分与共享的思想，看图。 原来我也觉得深度学习应该会需要⼤量的数据，事实上并不是，我使⽤mnist数做过实验，在数据量较少时，多层神经⽹络的效果要⽐单层 神经⽹络要好，意不意外？惊不惊喜？所以当你数据较少⼜想⽤深度学习来处理数据时，不妨多搭⼏层。 最后还要谈⼀下 no free lunch理论，no free lunch理论指的是没有最好的算法，只有最适合的算法。深度学习的模型有许多种，⼤家在 选择是⼀定要根据⾃⼰问题来选择模型，⽐如说CNN对处理图像信息就⾮常的有⽤，⽽RNN对处理序列⾮常在⾏。所以⼤家还是要对每种 算法都要了解清楚，选择合适⾃⼰的算法。 --------------------- 作者：ml_lsc 来源：CSDN 原⽂：https://blog.csdn.net/u011421866/article/details/73292141 版权声明：本⽂为博主原创⽂章，转载请附上博⽂链接！ ⼀、的发展背景： ⼈⼯智能（Artificial Intelligence，缩写为AI）是对⼈的意识、思维过程进⾏模拟的⼀门新学科。如今，⼈⼯智能从虚⽆缥缈的科学幻想变 成了现实。计算机科学家们在⼈⼯智能的技术核⼼－－机器学习（Machine Learning）和（Deep Learning）领域上已经取得重⼤的突 破，机器被赋予强⼤的认知和预测能⼒。回顾历史，在1997年，IBM"深蓝"战胜国际象棋冠军卡斯帕罗夫；在2011年，具备机器学习 能⼒的IBM Waston参加综艺节⽬赢得100万美⾦；在2016年，利⽤深度学习训练的Aplphago成功击败⼈类世界冠军。种种事件表明机 器也可以像⼈类⼀ , 相关下载链接：https://download.csdn.net/download/qq_43934844/87504805?utm_source=bbsseo