人工智能的核心与基础

1.对于人工智能什么是核心，什么是基础？
算法是核心，数据和计算是基础
2.找准定位，怎么找到合适的算法？
1）分析具体的业务
2）根据业务找到需要分析的数据
3）应用常见的算法
4）特征工程，调参数。优化
5）得到结果
3.该怎么做
1）学会分析问题，使用机器学习算法的目的，需要提前撕开学习算法的目的，想要使用算法完成何种问题。
2）建议先学会使用库火框架解决问题，原理慢慢研究。
4.数据类型
1） 离散型数据：
有不同类别个体的数目所得到的数据，又称为计数数据。这些数据全部都是整数（不能再细分，也不能进一步提高精确度）

2）连续型数据
·变量可以是某一个范围内的任意部分，例如长度、时间、温度、质量等，可以包含小数。
5.算法的分类?
监督学习(预测)：输入书具有特征和标签，既有标准答案。
分类
K-近邻算法、贝叶斯分类、决策树和随机森林、逻辑回归、神经网络。
回归
线性回归、岭回归
无监督学习：输入数据特征无标签，既没有标准答案。
聚类
k-means

数据模型实现的流程：
1.获取数据
1）公司内部数据

• 公司内部数据

• 购买的数据

• 合作机构的数据
  2）数据的基本处理：pd处理数据（处理缺失值、脏数据）
  3）

• 分类

• 回归
  4）找到合适的算法进行预测

• 准确率达不到要求时，换算法、参数。
  5)建立模型，判定结果。

• 满足要求时，上线，提供API

• 不满足时，冲服第四步

标签：标准答案,人工智能,核心,回归,分类,基础,学习,算法,数据
来源： https://blog.csdn.net/weixin_49198853/article/details/111467288