企业官网建设流程全解析

建一个网站带管理需要多少钱一年,莆田网站建设建站系统,黄骅市原来叫什么名字,提供网站建设空间一. 机器学习概述与发展史 1. 机器学习的概念 机器学习作为人工智能的重要分支#xff0c;致力于让计算机系统通过数据自主学习规律#xff0c;并据此进行预测和决策#xff0c;无需依赖显式编程。其主要类型包括#xff1a; 有监督学习#xff1a;使用带有标签的数据进…一. 机器学习概述与发展史1. 机器学习的概念机器学习作为人工智能的重要分支致力于让计算机系统通过数据自主学习规律并据此进行预测和决策无需依赖显式编程。其主要类型包括有监督学习使用带有标签的数据进行训练如分类和回归。无监督学习使用无标签数据如聚类和降维。半监督学习结合少量有标签数据和大量无标签数据。强化学习智能体通过与环境交互获取奖励学习最优策略。2.人工智能发展史• 1950s~1970s符号主义时代图灵提出“图灵测试”IBM的跳棋程序战胜人类专家系统兴起。• 1980s~2000s统计主义时代SVM等统计学习方法被提出IBM深蓝击败国际象棋冠军。• 2012年至今神经网络与深度学习时代AlexNet开启计算机视觉的深度学习浪潮AlphaGo击败围棋冠军Transformer架构推动自然语言处理发展。• 2022年至今大模型与AIGC时代ChatGPT、GPT、BERT等大模型推动生成式AI的爆发DeepSeek等开源模型推动技术普及。二. 机器学习核心算法介绍1 KNNK-近邻• 类型有监督学习分类算法• 原理根据样本在特征空间中的最近邻样本的类别进行投票分类。• 应用影片分类、模式识别等。• 特点简单直观适合小数据集但对大数据集计算开销大。2 线性回归• 类型有监督学习回归算法• 原理通过线性方程拟合数据最小化预测值与真实值之间的误差。• 应用房价预测、学生成绩预测等。• 特点模型简单可解释性强适合连续值预测。3 逻辑回归• 类型有监督学习分类算法• 原理使用Sigmoid函数将线性回归输出映射为概率用于二分类或多分类。• 应用垃圾邮件识别、疾病诊断等。• 特点输出具有概率意义适合分类问题。4 决策树• 类型有监督学习分类与回归• 原理通过树形结构对数据进行递归划分每个节点代表一个特征判断。• 应用客户分群、信用评估等。• 特点易于理解和解释支持可视化但容易过拟合。5 集成学习• 类型有监督学习组合多个弱学习器• 应用竞赛建模、推荐系统等。• 特点泛化能力强抗过拟合。代表思想• 1bagging思想装袋法有放回采样平权投票并行训练• 代表算法随机森林多个决策树投票。• 2Boosting思想提升法关注上一个学习器不足加权投票串行训练• 代表算法AdaBoost、GBDT梯度提升树、XGBoost6 朴素贝叶斯• 类型有监督学习分类算法• 原理基于贝叶斯定理假设特征之间相互独立。• 应用文本分类、情感分析等。• 特点计算效率高适合高维数据。7 聚类算法如K-Means• 类型无监督学习• 原理将样本按相似性划分为多个簇使得同一簇内样本相似度高。• 应用客户细分、图像分割等。• 特点无需标签适合探索性数据分析。