爱吧机器人网 » 技术 > 人工智能 > 正文

十大最受欢迎的人工智能模型

企业面临的问题种类繁多,用于解决这些问题的ML模型种类繁多,因为有些算法比其他算法更擅长处理特定类型的问题。因此,我们需要清楚地了解每种ML模型的优点,今天我们列出了10种最流行的AI算法:

我们将解释的基本特性和应用领域下面所有这些算法。然而,我们必须事先解释机器学习的基本原则。
所有的机器学习模型旨在学习一些函数(f),提供最精确的输入值之间的相关性(x)和输出值(y)y = f(x)。
最常见的情况是,当我们有一些历史数据X和Y和AI模型部署到可以提供最好的这些值之间的映射。结果不能100%准确,否则,这将是一个简单的数学计算不需要机器学习。相反,f函数我们训练可以用来预测新的Y使用新的X,从而使预测分析。各种毫升模型实现这个结果采用不同的方法,然而上面的主要概念保持不变。

线性回归 Linear Regression

线性回归中使用数理统计超过200年了。算法的目的是找到这样的系数值(B),提供最影响精度的函数f我们正在努力训练。最简单的例子是y= B0 + B1 * x,其中B0 + B1是相关功能



通过调整这些系数的权重,数据科学家得到不同结果的训练。该算法成功的核心要求是有明确的数据没有太多噪音(低价值信息)和删除输入的变量具有相似值(相关输入值)。

这允许使用线性回归算法梯度下降优化金融统计数据的银行、保险、医疗、营销、等行业。

逻辑回归 Logistic Regression

逻辑回归是另一种流行的人工智能算法,能够提供二进制的结果。这意味着该模型预测结果和可以指定一个y值的两个类。函数也是基于改变权重的算法,但由于不同非线性逻辑函数是用于转换结果。这个函数可以表示成一个s形线分离从虚假的真实值。



成功的需求是一样的线性回归-删除相同的值输入样本和减少噪音(低价值数据)。这是一个相当简单的函数,可以比较快地掌握,对执行二进制分类非常有用。

线性判别分析 Linear Discriminant Analysis (LDA)

这是一个逻辑回归模型的分支时,可以使用超过2类可以存在于输出。数据的统计特性,如均值分别为每一个类和总方差总结类,计算模型。预测允许计算每个类和确定类的值最值。这个模型是正确的,需要分布式的数据根据高斯钟形曲线,所以所有主要的异常值应该事先被移除。这是一个伟大的和非常简单的模型进行数据分类和构建预测模型。

决策树 Decision Trees

这是一个最古老,最常用、最简单和最有效的ML模型。它是一个典型的二叉树是或否决定每个分裂,直到模型达到结果节点



这个模型是简单的学习,它不需要数据规范化和可以帮助解决多种类型的问题。

Naive Bayes 贝叶斯

朴素贝叶斯算法是一个简单,但非常强大的模型来解决各种复杂的问题。它可以计算2种可能性:

1、每个类出现的机会
2、条件概率为一个独立的类,因为有一个额外的x修饰符。



模型被称为天真的操作时,假设所有输入数据值都与彼此无关。虽然这不能发生在现实世界中,这种简单的算法可以应用于多种规范化数据流预测结果与一个伟大的精确度。

K-Nearest Neighbors

这是非常简单的和非常强大的ML模式,使用整个训练数据集作为代表。计算结果的预测价值通过检查整个数据集K数据节点具有相似的价值观(所谓的邻居)和使用欧式数量(这可以很容易地计算基于价值差异)来确定结果值。



这样的数据集需要大量计算资源的存储和处理数据,受到精度损失当有多个属性,必须不断策划。然而,他们的工作非常快,非常准确和有效地发现在大型数据集所需的值。

学习矢量量化 Learning Vector Quantization

KNN的唯一主要缺点是需要存储和更新大型数据集。学习矢量量化或LVQ资讯进化模型,神经网络,使用码向量来定义所需的训练数据集和整理结果。因此说,向量是随机的,和学习的过程涉及到调整值最大化的预测精度。



因此说,找到最相似的价值观的结果的向量的最高精确度预测结果的价值。

支持向量机Support Vector Machines

该算法是一种最广泛讨论的数据科学家之一,因为它提供了非常强大的功能进行数据分类。所谓的超平面是一条直线,把数据输入节点有不同的价值观,和这些点到超平面的向量可以支持它(当同一类的实例的所有数据都在同一侧的超平面)或藐视它(当数据点在平面上的类)。



最好的超平面是最大的积极的向量和分离的数据节点。这是一个非常强大的分类机,可以应用于广泛的数据归一化问题。

随机决策森林 Random Decision Forests or Bagging

随机决策森林形成决策树,多个样本数据处理通过决策树和结果汇总(喜欢收集许多样品袋)找到更准确的输出值。



找到一个最优的路线,而是多重次优路由定义,从而使总的结果更精确。如果决策树解决问题之后,随机森林是一个调整的方法,提供了一个更好的结果。

深度神经网络 Deep Neural Networks



DNNs 是最广泛使用的人工智能和ML算法。有显著改善深上优于文本和语音应用程序,机器感知和OCR深层神经网络,以及使用深度学习赋予强化学习和机器人运动,连同其他杂款的应用程序。

正如你所看到的,有一个充足的各种人工智能算法和ML模式。一些更适合数据分类、excel在其他领域。没有模型适合所有大小,所以为你选择最好的情况是至关重要的。

如何知道这个模型是正确的吗?考虑以下因素:

1、3 V的大数据需要处理(输入的数量、种类和速度)
2、计算资源的数量在你的处置
3、时间可以花在数据处理
4、数据处理的目的

因此说,如果一些模型提供了94%的预测精度为代价的两次延长处理时间,相比86%准确的算法——各种各样的选择大大增加。

然而,最大的问题通常是高层的普遍缺乏专业技能来设计和实现数据分析和机器学习解决方案。这就是为什么大多数企业选择托管服务提供商之一,专门从事大数据和人工智能的解决方案。


上一篇:人工智能行业基础分析
下一篇:饮料中的人工智能和大数据
精选推荐
美国喷气推进实验室的AI驱动无人机挑战人类飞行员
美国喷气推进实验室的AI驱动无人机挑战人类飞行员

[2017-12-08]  随着无人机及其组件越来越小,效率越来越高,功能越来越强大,我们已经看到越来越多的研究开始让无人机自主飞行在半结构化的环境中,而不依赖于外部定位。 宾夕法尼亚大学在......

谷歌大脑发布ROBEL基准 鼓励用低成本机器人训练AI系统
谷歌大脑发布ROBEL基准 鼓励用低成本机器人训练AI系统

[2019-10-11]  训练AI系统的机器人D& 39;Claw和D& 39;Kitty用于控制机器人的人工智能系统,测量其性能所使用的基准通常仅限于为工业环境设计的昂贵硬件, ...

这些人型机器人是如此真实,你的肉眼几乎无法区分
这些人型机器人是如此真实,你的肉眼几乎无法区分

[2017-09-03]   我们生活在一个区分现实与幻想变得越来越困难的世界。由于机器人技术的进步,创造人工的人类正在逐渐接近完美的最终目标。我们现在看到的机器人不再只是一块发光二极管,......

研究人员融合人类与AI的创造力 显著提高了深度学习的表现
研究人员融合人类与AI的创造力 显著提高了深度学习的表现

[2019-10-12]  由加拿大人工智能领域研究主席、滑铁卢大学系统设计工程教授Alexander Wong领导的一个团队开发了一种新型紧凑型神经网络家族,可以在智能 ...

亚马逊CEO杰夫·贝佐斯操控巨型有人驾驶机器人(巨型机甲)
亚马逊CEO杰夫·贝佐斯操控巨型有人驾驶机器人(巨型机甲)

[2017-03-21]  近日,亚马逊CEO杰夫·贝佐斯实现了每一个6岁儿童都会有的梦想,他控制了一个巨大的机甲机器人。据国外媒体Verge报道,前天(3月19日),贝 ...

哈佛大学《自然》发表新驱动技术,让飞行机器人悬停且不受损伤
哈佛大学《自然》发表新驱动技术,让飞行机器人悬停且不受损伤

[2019-11-06]  哈佛大学研究人员发表在《自然》杂志上的一项最新研究,他们开发了一种由柔软的人造肌肉驱动的机器人蜜蜂(RoboBee),这种机器人在撞墙、 ...

为未来战场创造更有效的机器人 美国陆军研究人工纳米马达
为未来战场创造更有效的机器人 美国陆军研究人工纳米马达

[2019-10-11]  为了使机器人在战斗中更有效、更多才多艺地成为士兵的战友,美国陆军研究人员正在执行一项任务,即研究肌肉分子生命功能的价值,以及复制过 ...

[2018-01-26]  纽约时报的报道,德国的研究人员已经开发出一种长约七分之一英寸的机器人,首先看起来不过是一小块橡皮条。然后它开始移动。机器人走路,跳跃,爬行,滚动和游泳。它甚至爬出......

本周栏目热点

如何才能知道对方宣传的是伪AI? 只需问5个问题

[2017-03-15]  编者按:随着人工智能在图像识别、围棋、扑克等方面取得了重大突破,现在AI现在已经被炒上天去了。很多新推出的产品和服务都是言必称采用了 ...

AI人工智能:帮你测算恋爱的死亡日期

[2017-10-01]  AI是科技领域中的一个概念,而恋爱,是人类的一种情感。科技本身是没有情感的,因此,我们一般不会将AI与恋爱结合在一起,但是最近,由南加 ...

人工智能革命揭秘上篇(上)

[2016-03-09]   我们即将创造出一种新的生命形式,这个事件不仅是进化取得突破的标志,也有可能威胁到人类这个物种的生 ...

谷歌AI对弈围棋冠军李世石 3月9日看曹大元说棋

[2016-03-04]   3月9日,我们将迎来一场人机世纪大战!战书已升起,100万美元的奖金悬在空中。人工智能和人类大脑,究 ...

Facebook人工智能机器人生成照片以假乱真

[1970-01-01]    无论你是否认为面部识别令人毛骨悚然,很明显全球多家科技公司正在继续投资开发更强大的图像智能技术。  无论是微软的猜年龄机器人, ...