人工智能考试重点

本文来自同学发的md文档，仅作为我个人使用观看方便。

人工智能考试重点

1. 什么是机器学习

• 语音识别
• 算法推荐
• 人脸识别
• 垃圾邮件过滤
• 贷款资格审核

2. 学习的概念

• 与经验有关

• 学习可以改善系统性能

• 学习是一个有反馈的信息处理与控制过程

3. 学习分类：

• 机械学习-死记硬背

• 传授学习

• 类比学习

• 归纳学习

• 基于解释的学习

• 观察与发现学习--聚类（找相似，概念聚类，发现学习--归纳推理）

4. 什么是机器学习

• 把无序的数据变为有用的信息
  

5. 机器学习算法

与传统区别

6. 如何进行机器学习

7. 什么时候使用机器学习

8.机器学习分类

1. 无监督学习（聚类）
2. 有监督学习（回归，分类）
3. 半监督学习

9. 模型

好的模型

模型的有效性--泛化能力，误差，欠拟合，过拟合

过拟合的原因

机器学习性能评估-分类

机器学习的性能评估-回归

9. 性能评估计算题--计算精度，召回率，准确率

线性回归

定义：

训练线性回归模型

线性回归代码

三个必须会求的值

逻辑回归（分类问题）

定义

支持向量机

逻辑回归的强化

核函数

定义

核函数分类

1. 线性核函数

2.多项式核函数

3. RBF径向基核函数

4. sigmoid核函数

核函数的选择和使用

决策树

相关术语--熵，信息增益，基尼不纯度



决策树的计算（计算题）--三个算法（id3，c4.5,CART）


核函数的选择和使用