秦曾昌人工智能课程---3、机器学习中的哲学

秦曾昌人工智能课程---3、机器学习中的哲学

一、总结

一句话总结：

机器学习分类：了解机器学习分类：监督学习，非监督学习，增强学习

机器学习针对性：了解什么问题是机器学习问题，什么不是

1、三个门，一个门后有财宝，你选择了a门，主持人打开b门没有财宝，现在你还可以选择a或c，ac有财宝的概率分别是多少？

p(a)=1/3；p(c)=2/3：因为你选a之后，bc是一个整体为2/3。因为你选a之后，主持人也不可能再打开a

编程模拟：可以编程模拟，会发现p(c)是p(a)的两倍

2、比如在判断图片是猫还是狗的过程中，输入的是一张20*20的图像，那么输入用数学表示的实质是什么？

1200维向量：这只是输入的一个属性而已：20*20*3(Rgb)：其实就是一个有1200个数据的数组

3、比如在判断图片是猫还是狗的过程中，输入的是一张20*20的图像，那么 输出 用数学表示的实质是什么？

一个数值：0或1

4、我们知道的函数 数量毕竟有限，那么我们如何拟合复杂的函数关系？

神经网络：使满足testing data

通过概率：比如分类问题：比如x->[0,1]，P(0|x)>P(1|x)，那么x=0

5、整个机器学习所做的事情是什么？

找输入和输出之间的关系

6、机器学习 和 模型识别 的区别和联系？

模型识别：模型识别就是根据输入信息识别模型

机器学习：找输入和输出之间的关系，也是找模型

7、机器学习可以生成大量软件开发素材么（NICE）？

可以的：本质是输入和输出的关系：比如已有项目给图片染色：所以肯定可以

8、机器学习可以将白天的照片变成晚上的照片么？

可以的：输入就是白天的照片，输出就是晚上的照片

9、机器学习对我当前最有用的项目是什么？

生成游戏图片素材

10、自动驾驶用到的输入输出一般有哪些？

输入：摄像头，超声波，雷达等

输出：以什么力道转方向盘，以什么力道踩刹车，以什么力道踩油门

11、下围棋alpha go的输出可以看成什么？

每个空位落子赢的概率，选最大的

12、我们为什么有什么看了某些知识的定义看不懂 ？

没看到现象：因为定义是通过现象总结的，而我们并没有看到现象，所以看不懂

13、机器学习优化模型的实质是什么？

找普遍化和特殊化之间寻找一个平衡：A tradeoff between generalization and specification.

14、提高机器学习模型精确度的方法？

1、收集大量数据

2、求出多个模型，取均值

3、对复杂模型加λ项使它平滑化

4、n次的交叉验证：比如n=10，数据分10块，就块做training，1块做tesing

15、聚类Clustering是什么意思？

坐标中接近的点看做整体：坐标中某些点比较接近（横纵坐标），可以看做一个整体：物以类聚，人以群分

16、增强学习在生活中的实例？

训练小狗：如果小狗做对了给吃的，做错了给惩罚，久而久之小狗就知道怎么做了

17、机器学习分类？

监督学习：Unsupervised Learing

非监督学习：Supervised Learing

增强学习：Reinforcement Learning

18、非监督学习分类？

聚类：Clustering

降维：Dimensionality Reduction

19、监督学习分类？

分类：Classification

回归：Regression

20、网上如何找人工智能课程的资源？

b站+网盘搜索+百度+csdn

21、监督学习和无监督学习的本质区别是什么？

数据有无标签

22、人工智能的开源项目多么，去哪里找？

多，去GitHub

23、清理数据是编程问题么？

并不全是：数据了解：其实更多的不是编程的问题，而是你对数据了解的问题，知道哪些有用哪些没用

二、内容在总结中