人工智能的定义
· 人工智能是通过机器来模拟人类认识能力的一种科技能力
· 人工智能最核心的能力就是根据给定的输入做出判断或预测
· 思考:通过什么途径才能让机器具备这样的能力?
· 举一个例子:
机器也需要学习
什么是机器学习
机器学习的定义
· 机器学习为人工智能提供了基础,机器学习就是一种使用数据来训练软件模型的技术。
什么是机器学习
理解模型
模型可以根据X的数值计算出Y的值,简单的说,如果有一个函数,输入一组X的数值(特征值),机器计算出中Y(预测值)的数值,f(x) = y 函数可以理解为一个简单的模型。
什么是机器学习
丼例:通过波士顿房价信息预测房价
什么是机器学习
丼例:通过波士顿房价信息预测房价
X1,X2,X3…代表特征,W1,W2,W3…代表权重, 复杂权重计算交给机器处理,得到f(x)=0.1231xX1+0.41xX2+0.57xX3,画出广义的f(x)=y坐标图
监督学习
从给定的训练数据集(历史数据)中学习出一个函数,当新的数据到来时,可以根据这个函数预测结果。
监督学习的训练集需要包括输入和输出,也可以说是特征和目标。训练集中的目标是由人标注的。
label是标注,是要预测的目标值,feature是特征
以下用例基于华为云机器服务平台演示
监督学习:回归
线性回归举例:假设有一项健康运动的研究调查,通过手腕传感器收集一些健身者的数据,比如性别、身高、体
重、年龄、心率、运动时长、体温、消耗的卡里路数据,现在要利用这些数据来预测罗西锻炼所消耗的卡路里。
监督学习:回归
线性回归建模实操演示
监督学习:回归
回归模型的评估标准
回归模型的评估值为MAE(平均绝对误差)、MSE(均方误差)、RMSE(均方根误差)。上述3个误差值是指评分真实值与预测值乊间的误差,在多次建模的过程中,每一次建模结果都会产生一组误差值,评判一个回归模型好坏的方法就是看这三个误差值是否变小或者变大,误差值越小表示回归模型越好.