Python人工智能参考---2、人工智能知识注意

Python人工智能参考---2、人工智能知识注意

一、总结

一句话总结：

机器学习常用的算法就十几个，而且还是解决不同问题的，所以学起来其实并不难

 

 

1、矩阵和求导的关系？

对矩阵求导就是求矩阵的转置

 

2、人工智能和微积分和线性代数的关系？

微积分和线性代数的关系：函数可以多项展开变成多项式，多项式肯定有其对应的矩阵，对矩阵（多项式）求导就是求矩阵的转置

人工智能和微积分的关系：人工智能里面就是需要去拟合函数，也就是需要去求函数，为了验证模型需要求极大值极小值，这个时候就是求导

 

 

3、朴素贝叶斯为什么模型能力有限？

因为有马尔科夫假设约束，也就是朴素贝叶斯理解词的时候把每个词都单词理解，不考虑词的组合

 

 

4、中文和英语做自然语言分析的时候，最大的区别是什么？

英文不用分词

 

5、决策树中的随机森林？

每次忽略不同的特征来得到不同的决策树，这些决策树形成随机森林，然后在这个森林里面投票得到最佳结果

 

 

6、像图像处理，面部识别用什么？

计算机视觉 卷积神经网络 cnn

 

7、像自然语言理解，语音理解用什么？

语义理解 循环神经网络 rnn

 

8、tensorflow？

tensor(张量)

 

9、卷积神经网络可以区分人的细节？

可以利用卷积神经网络来找出人的特征，从而反向可以告诉人这一堆图片的人的哪里不同

 

 

10、神经网络解决问题原理？

先训练出神经网络模型（也就是确定神经网络中的各个参数），然后输入数据，就可以根据这个输入数据得到结果

 

 

 

 

二、内容在总结中

博客对应课程的视频位置：