3、大数据、人工智能与机器学习分析全解析

大数据、人工智能与机器学习分析全解析

1. 基于数据构建分析

在构建分析时，其发展取决于要解决的问题。首先，需明确可用的数据、可获取的数据以及能用于处理数据的技术。从被研究系统收集的数据可能包括人类输入、传感器读数、数据库等现有数据源、摄像头的图像和视频、音频信号等。
- 传感器的作用 ：传感器用于测量特定物理特征，将其转换为电信号，再转换为一系列数字以便分析。例如，安全摄像头应放置在能覆盖最大监控区域的位置；一些汽车后部装有超声波传感器，用于测量与物体的距离，辅助倒车。这些物理特征被传感器测量并转换为电信号，电信号通过信号处理电路转换为数字，供计算机分析。
- 数据收集与利用 ：若系统已有传感器收集数据或有包含系统数据的现有数据库，可利用这些历史数据了解系统。否则，可能需安装传感器并运行系统一段时间来收集数据。工程系统还可使用模拟器生成与真实系统相似的数据，用于构建处理逻辑（即分析）。例如，模拟不同室温变化来构建温度控制逻辑，或生成不同股市条件的数据来构建股票买卖分析。这些从真实系统或模拟器收集的数据可用于训练 AI 系统，使其学习模式并对系统的不同状态做出决策。
- 构建分析的通用模式 ：无论构建基于 AI 还是非 AI 的分析，通用模式都是从数据源读取输入、构建处理逻辑、在真实或模拟数据上测试该逻辑，然后将其部署到系统以生成所需输出。数学上，这些值随时间变化的输入和输出称为变量，输入通常称为自变量（Xs），输出称为因变量（Ys）。分析旨在建立因变量和自变量之间的关系，这种关系可以是简单的数学公式，也可以是将自变量映射到因变量的复杂神经网络。

2. 基