iT邦幫忙

2023 iThome 鐵人賽

DAY 10
0

人工智慧

再來要開始慢慢進入人工智慧的領域啦~ 再來都會使用圖文以及一些小範例來介紹!

https://ithelp.ithome.com.tw/upload/images/20230925/20161144N03JdDXb5R.png

機器學習

  • 從數據中學習的技術,而不是通過明確編程來執行任務(餵資料)
  • 有很多不同的演算法,例如決策樹、支持向量機、神經網絡、K最近鄰(K-Nearest Neighbors)等
  • 再細分為監督式學習、非監督學習、半監督學習及強化學習
  • 可以應用在各種領域
    https://ithelp.ithome.com.tw/upload/images/20230925/20161144OF6mhJUPGy.png
    https://ithelp.ithome.com.tw/upload/images/20230925/20161144dNaRE1wPRj.png
    https://ithelp.ithome.com.tw/upload/images/20230925/20161144cp4AYiY6Ip.png
分類 細分類 Feature Label
監督式 二元 濕度、風向、氣壓... 是非題
監督式 多元 濕度、風向、氣壓... 多選題
監督式 回歸 濕度、風向、氣壓... 數值區間
非監督式 群集 濕度、風向、氣壓... 群組相似度最高
強化 Q-learing、TD 循序漸進

補充

https://ithelp.ithome.com.tw/upload/images/20230925/20161144MEBneN0i85.png

生成式與判別式模型

  • 生成式模型:

生成式模型是通過對數據的分布進行建模,學習數據的生成過程。
它能夠估計數據的概率分布,並生成類似訓練數據的新樣本。
生成式模型在樣本生成、缺失數據填補和生成新數據等任務上表現出色。

  • 判別式模型:

判別式模型直接對條件機率分布進行建模,學習輸入與輸出之間的關係。
它的主要目標是準確預測輸出,通常更關注預測性能,而不關心數據的生成過程。
判別式模型在分類、回歸等預測任務上表現優異,並且訓練效率較高。

演繹法&歸納法

法則 Step.1 Step.2 Step.3 學者 方式
歸納法(個體=>群體) 黑貓有 4 隻腳 白貓有 4 隻腳 只要是貓都有 4 隻腳 培根 三段推理方式
演譯法(群體=>個體) 男生都有鬍子 你是男生 你有鬍子 笛卡兒 結論可能不只一個

上一篇
[DAY9] Python基礎程式應用(二)
下一篇
[DAY11] 人工智慧概論(二)
系列文
關於我從基礎程設轉職到人工智慧入門30
圖片
  直播研討會
圖片
{{ item.channelVendor }} {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言