首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

这个叫人工智能的小朋友他的学习方式,可能有些“反人类”

当前,人工智能算法已经能够完成智能语音语义、计算机视觉等智能化任务,在棋类、电子游戏对弈,多媒体数据生成等前沿领域也取得了一定进展,为人工智能应用落地提供了可靠的理论保障。 人工智能算法的设计逻辑可以从“学什么”、“怎么学”和“做什么”三个维度进行概括。

首先是学什么。人工智能算法需要学习的内容,是能够表征所需完成任务的函数模型。该函数模型旨在实现人们需要的输入和输出的映射关系,其学习的目标是确定两个状态空间(输入空间和输出空间)内所有可能取值之间的关系;

怎么学。算法通过不断缩小函数模型结果与真实结果误差来达到学习目的,一般该误差称为损失函数。

损失函数能够合理量化真实结果和训练结果的误差,并将之反馈给机器继续作迭代训练,终实现学习模型输出和真实结果的误差处在合理范围;

最后是做什么。机器学习主要完成三件任务,即分类、回归和聚类。目前多数人工智能落地应用,都是通过对现实问题抽象成相应的数学模型,分解为这三类基本任务进行有机组合,并对其进行建模求解的过程。

算法的主要任务

人工智能实际应用问题经过抽象和分解,主要可以分为回归、分类和聚类三类基本任务,针对每一类基本任务,人工智能算法都提供

了各具特点的解决方案:

一是回归任务的算法。回归是一种用于连续型数值变量预测和建模的监督学习算法。目前回归算法为常用的主要有四种,即线性回归(正则化)、回归树(集成方法)、邻近算法和深度学习。

二是分类任务的算法。分类算法用于分类变量建模及预测的监督学习算法,分类算法往往适用于类别(或其可能性)的预测。其中为常用的算法主要有五种,分别为逻辑回归(正则化)、分类树(集成方法)、支持向量机、朴素贝叶斯和深度学习方法。

三是聚类任务的算法。聚类算法基于数据内部结构来寻找样本集群的无监督学习任务,使用案例包括用户画像、电商物品聚类、社交网络分析等。其中为常用的算法主要有四种即K均值、仿射传播、分层/层次和聚类算法 。(部分内容来源于网络如有侵权请联系删除)

欢迎您分享文章,让更多有需要的人看到。

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20190622A0LB0B00?refer=cp_1026
  • 腾讯「腾讯云开发者社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 cloudcommunity@tencent.com 删除。

扫码

添加站长 进交流群

领取专属 10元无门槛券

私享最新 技术干货

扫码加入开发者社群
领券