- 人工智能和機器學習之間的關系是什么？
? ? - 機器學習是用來實現人工智能的一種技術手段
- 算法模型
? ? - 概念：特殊的對象。特殊之處就在于該對象內部已經集成或者封裝好一個某種方程（還沒有求出解的方程）
? ? - 作用：算法模型對象最終求出的解就是該算法模型實現預測或者分類的結果
? ? ? ? - 預測
? ? ? ? - 分類
- 樣本數據：numpy，DataFrame
? ? - 樣本數據和算法模型之間的關聯：樣本數據是需要帶入到算法模型對象中對其內部封裝的方程進行求解的操作。該過程被稱為模型的訓練。
? ? - 組成部分：
? ? ? ? - 特征數據：自變量（樓層，采光率，面積）
? ? ? ? - 目標數據：因變量（售價）
- 模型的分類：
? ? - 有監督學習：如果模型需要的樣本數據中必須包含特征和目標數據，則該模型歸為有監督學習的分類
? ? - 無監督學習：如果模型需要的樣本數據只需要有特征數據即可。
? ??
- sklearn模塊：大概封裝了10多種算法模型對象。
? ? - 線性回歸算法模型-》預測
? ? - KNN算法模型-》分類

分類和預測的區別

- 分類

分類：輸入樣本數據，輸出對應的類別，將樣本中每個數據對應一個已知屬性。(有監督學習)

分類算法分為兩步：

(1)學習步：通過訓練樣本數據集，建立分類規則

(2)分類步：用已知的測試樣本集評估分類規則的準確率，若準確率可接受，則是使用該規則對除樣本以外的數據(待測樣本集)進行預測。

- 預測

預測：兩種或者兩種以上的變量之間相互依賴的函數模型，進行預測或者控制。

預測算法分兩步：

(1)通過訓練集建立樣本模型

(2)通過檢驗后進行預測或者控制

- 常用的分類與預測算法

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(人工神經網絡)：

4.貝葉斯網絡

5、支持向量機(svm):將低維非線性轉換為高維線形進行計算。
?

總結

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內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。