人工智能之机器学习

人工智能

概述

人工智能（Artificial Intelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它试图了解智能的实质，并生产出一种新的能以人类智能相似的方式作出反应的智能机器。

python与java

• 利用python解析数据集速度、效率方面比较轻量级！
  i.轻量级指的是部署到服务器里面，可以提高服务器访问并发！
  ii.轻量级指的是业务与业务之间的逻辑性很强，兼容性很强、降低耦合度！
  iii.轻量级指的是业务与数据之间的一种关系体现很轻，简单说：获取数据集的方式很快、多样化
• java语言也可以实现人工智能的操作数据但是不建议！—重量级
  i.重量级的操作，不适合"数据集的"采集操
  ii.重量级操作不适合数据集的清理操作
  iii.重量级的业务与数据之间很难进行数据解析操作！

人工智能分类

• 弱人工智能Artificial Narrow Intelligence（ANI）
  弱人工智能是擅长于单个方面的人工智能。
• 强人工智能Artificial General Intelligence（AGI）
  人类级别的人工智能。强人工智能是指在各方面都能喝人类比肩的人工智能，人类能干的脑力活它都能干。
• 超人工智能Artificial Super Intelligence（ASI）
  知名人工智能思想家Nick Bostrom把超级智能定义为”在几乎所有领域都比最聪明的人类大脑都聪明很多，包括科学创新、通识和社交技能“。

人工智能的历史

机器学习

机器学习定义

• Machine Learning(ML) is a scientific discipline that deals with the
  construction and study of algorithms that can learn from data
• 机器学习是一门从数据中研究算法的科学学科。
• 机器学习直白来讲，是根据已有的数据，进行算法选择，并基于算法和数据构建模型，最终对未来进行预测
  

“数据”-----------到 --------“算法”
如何实现 “数据” 到 "算法"的过程?
数据采集(Python)—>数据分析（Python）—> 数据挖掘（hadoop）—> 模型建立（算法）—> 预测未来 （机器）

• 基本概念
  输入： x ∈X（属性值）
  输出： y ∈Y(目标值 )
  获得一个目标函数(target function):f : X —> Y(理想的公式)
  输入数据:D={(x₁,y₁),(x₂,y₂)·····(x_n,y_n)}(历史记录信息)==数据集！
  最终具有最优性能的假设公式：g : X —> Y(学习得到的最终公式 )

机器学习概念

•美国卡内基梅隆大学（Carnegie Mellon University）机器学习研究领域的著名教授Tom Mitchell对机器学习的经典定义

• A program can be said to learn from experience E with respect to some class of tasks T and performance measure P , If its performance at tasks in T, as measured by P, improves with experience E
• 对于某给定的任务T，在合理的性能度量方案P的前提下，某计算机程序可以自主学习任务T的经验E；随着提供合适、优质、大量的经验E，该程序对于任务T的性能逐步提高。
• 其中重要的机器学习对象：
  • 任务Task T，一个或多个、经验Experience E、度量性能Performance P
  • 即：随着任务的不断执行，经验的累积会带来计算机性能的提升。