跟我一起學人工智能（一）

文 | 小步

<跟我一起學人工智能>系列第一講正式開課啦，課程全都是可以實操的干貨，到后面AI算法+python代碼可以結合做出一個簡單的人工智能應用~

因本人也對AI領域涉足不久，如文章有不妥之處還請各位大神與我多多交流，此系列文章也屬于我學習AI過程中的總結，我也會做到盡量寫出只要是高中畢業(yè)就能看懂的教程~

完全小白的可以先提前看一下我之前寫的一篇文章對于人工智能有個初步的認識，傳送門：你真的了解人工智能嗎？

學習人工智能其實說白了就是學習機器學習和深度學習這兩個，利用它們可以實現(xiàn)像是我們熟悉的圖像識別，語音識別，房價預測，量化投資等~

為了避免你連機器學習和深度學習是什么都不知道，我先來簡單介紹下它們兩個：

所謂機器學習就是實現(xiàn)人工智能的一種方法，我們怎么實現(xiàn)人工智能，答案是通過機器學習，它通過經（shu）驗（ju）來鍛煉自己，形成能夠表示所有數(shù)據(jù)特征的模型，通過該模型可以分析、預測某個行為的走向趨勢，其中機器學習包含了許多種算法來分析事物特征之間的關系，比如貝葉斯網(wǎng)絡，線性回歸模型等傳統(tǒng)的機器學習算法，而后來科學家們又研究出了模擬生物神經網(wǎng)絡的深度學習，說白了，深度學習是實現(xiàn)機器學習的一種算法，目前來看，深度學習這種算法在實現(xiàn)人工智能方面雖不成熟，但預測準確性更高，長遠來看，可能會代替掉機器學習中其他傳統(tǒng)算法。

我們先來學習下機器學習。

監(jiān)督學習與無監(jiān)督學習

機器學習分為監(jiān)督學習與無監(jiān)督學習，監(jiān)督學習是指通過給定一堆數(shù)據(jù)的特征以及該數(shù)據(jù)對應的標簽，通過機器學習我們可以找出數(shù)據(jù)特征之間的關系模型，給定一個新的一組數(shù)據(jù)，通過關系模型我們可以輕而易舉得知道該組數(shù)據(jù)對應哪個標簽~而無監(jiān)督學習是指只給定一堆數(shù)據(jù)的特征，不給標簽，通過機器學習算法自動得給這一堆數(shù)據(jù)添加標簽，給定一組新的數(shù)據(jù)，根據(jù)該組數(shù)據(jù)的特征，我們也能將它貼上對應的標簽~

監(jiān)督學習與無監(jiān)督學習說白了就是輸入數(shù)據(jù)有標簽還是無標簽的區(qū)別。

還是不理解？舉個例子，給出一堆腫瘤的信息，每條腫瘤信息包括大小，面積，重量等（輸入數(shù)據(jù)集合），當然也包括一個標簽，是否為惡性（輸出結果）。通過機器學習算法我們可以找出它們之間存在的某種關系，給定一條新的腫瘤信息，那我們通過得出的關系可以輕而易舉得推測這個腫瘤是惡性還是良性~這就是監(jiān)督學習。（認貓例子，遇見一只貓，我告訴你這是一只貓，遇見另一只貓，我告訴你這也是貓，如此反復，最后通過反復得訓練，遇見一只貓，你就知道這是一只貓了~這也是監(jiān)督學習的例子，就是灌輸數(shù)據(jù)的時候，我順便把這個數(shù)據(jù)結果是什么告訴你。）

而無監(jiān)督學習是什么呢？一群動物，有貓有狗有大象，通過它們的信息特征以及機器學習算法，將同一類的分成一組~在灌輸數(shù)據(jù)的時候，我不告訴你這個數(shù)據(jù)結果是什么，你根據(jù)數(shù)據(jù)的特點對這組數(shù)據(jù)進行分類貼標簽~

AND

基本概念基本上介紹的差不多了，下篇文章的話，重點介紹下機器學習的兩大模型：線性回歸模型和邏輯回歸模型，學會并且掌握它們加之后面要學習的python，你也可以自己預測你們市里房價走勢~

另外推薦一個學習機器學習的視頻，由吳恩達親自錄制，想要轉行人工智能的小伙伴們可以先看下這個視頻，傳送門：Machine Learning - 吳恩達

如果嫌視頻有點長（一集平均8分鐘，有100多集），也可以關注我公眾號，今后我也會一直推送學習人工智能的文章~