对于机器学习和人工智能的初识理解

　　机器学习目前大类分为有监督学习与无监督学习，监督含义在我个人理解看来是计算机是否需要输出一个明确的唯一的符合人的理性预期的结果。

　　有监督学习通过大量的历史数据去训练自己得到的模型，从而得到唯一的结果。

　　无监督学习则是无目的的，例如给你一张点状分布图，让机器自己去训练自己，将这些随机分布的点归为几类，从而达到类内相似度最大，类间相似度最小。

　　由于无监督学习的机器激励方式我作为初次接触，难以解释，先放一旁。而有监督学习主要有回归算法与分类算法分别对应解决不同的实际问题。回归算法最经典的就是波斯顿房价问题，研究价格与房屋各因素之间的关系，通过训练，达到这样的一个过程（I:输入房屋各要素、P:数据经过训练而出的模型处理、O:输出预测的房价）。分类算法也是一个类似的过程，但他的预测结果则非具体的数值而是所归为的品类，好比车厘子的级别，病人患新冠的严重程度，亦或者是动植物品属的归类。

　　而由于科技的日新月异，摩尔定律，数据的规模也越来越庞大，一段数据的特征值和关联因素也越来越多，这也导致了与结果的无关因素和弱相关因素越来越多，机器所需的训练资源呈几何倍上升，这就要求我们在做模型训练时先做到特征选择，针对分类训练的任务，选择对应的相关特征，从而减少资源的浪费，提高训练模型的效率。

 

 

　　对于人工智能的理解，人工智能的概念太大的，硬要给出一个笼统的解释的话，是否可以联系人类自身对于事物的处理从而做出对比解释。人们通过生活的经验从中归纳出理性的认知，面对自己没经历的事物，通过理性的认知进行处理，从而做出对于的处理方案与结果。而人工智能则是通过对训练目标的大量历史数据进行训练，从而得到一套训练模型，输入的数据通过训练模型的处理，从而得到更接近事实得结果。