AI如何用特征、权重和避免过拟合等技术来分辨冬瓜和西瓜?
周末去郊区农家逛荡,路过瓜园,从农地里买了一个西瓜。回到家后,就迫不及待地把这个西瓜放在案板上,准备把它切开以后尝尝。心想瓜地里刚摘的新鲜一定很好吃,看这个西瓜的样子应该是会很甜的。
一刀下去切开后却傻眼了,根本就没有红色的果肉,也不是那种黄色品种的西瓜,里面的果肉竟然是白色的。看到这样的西瓜给我的第一感觉就是变异了,感觉切开的不是西瓜,而是一个冬瓜,里面没有一点红色的果肉,全都是皮一样的东西。
瞅着这玩意儿让我心情半天不能平静,这是冬瓜出轨了?还是西瓜变心了?难道是黄瓜长胖了?可能是冬瓜纹身了,只能感慨社会真是太复杂。
这么难得的稀奇物不得发个圈啊,不发还好一发心理更不淡定了,朋友们一致认为,这是西瓜和冬瓜在一起了……(在一起,在一起……这画面没法脑补~~~)
初学AI的我,脑袋里突然冒出一个诡异的念头,我做个人挑选个西瓜还这样,那么如果机器识别西瓜和冬瓜时如何能做到精准。
立马给自己立个研究项目:AI分辨冬瓜和西瓜
现在有一堆数据集,让我们分类出西瓜和冬瓜,如果只有两个特征:形状和颜色,可能没法分区来(我就上了这个当啊,呜呜~~);
如果特征的维度有:形状、颜色、瓜瓤颜色、瓜皮的花纹等等,可能很容易分类出来;
如果特征是:形状、颜色、瓜瓤颜色、瓜皮花纹、瓜蒂、瓜籽的数量,瓜籽的颜色、瓜籽的大小、瓜籽的分布情况、瓜籽的XXX等等,很有可能会过拟合,譬如有的冬瓜的瓜籽数量和西瓜的类似,模型训练后这类特征的权重较高,就很容易分错,那样估计冬瓜又得被识别为西瓜了。
突然又想到了特征工程,估计就是因为这样类似的问题,在特征工程上需要花很多时间和精力,才能使模型训练得到一个好的效果。
然而神经网络的出现使我们不需要做大量的特征工程,譬如提前设计好特征的内容或者说特征的数量等等,我们可以直接把数据灌进去,让它自己训练,自我“修正”,即可得到一个较好的效果。
一顿思索下来,立马跑回卧室,代码码起来~~~~
日常生活中蕴藏着大奥秘,AI人工智能除了自动驾驶、人脸识别、语音识别等等领域的应用外,随着技术得普遍应用,可能会越来越贴近生活。
但是,AI学习不仅仅在于模型掌握了多少,更多的在于你的算法分析和设计能力、工程实践能力、算法模型的优化能力。所以在这里,我特地准备了4本享誉全球的AI好书+8份人工智能知识树 免费送给大家。
该资料非常适合本科、硕士以及刚接触机器学习的博士,还有一些想要转行AI的小伙伴。看完这些资料以后,预祝你顺利打开AI的大门,并离成功目标更进一步!~
扫码添加,免费获取超全视频资料
????立即扫码 速速领取????
备注:【AI书籍】
01
4本享誉全球的AI好书
这些资料其中4个是享誉全球的人工智能书籍,这些书籍都比较贵,加起来超过了2580元,全部免费送给大家。
02
8份人工智能知识树
不知道自己的就业职场坐标是什么,没有方向和明确的规划,就难以树立自己的职业核心能力!
给你推荐这8张知识树图谱,这8张知识树图谱对我的职业规划有着重大的影响,各位同学一定要认真参考!
高清大图添加下方二维码获取
这些资料都比较贵,总价值超过5000元,但是对自我的职业发展价值则是无价的!
别慌,这些资料这一次全部免费分享给大家。
长按扫码添加
获取完整版本资料大礼包
先到先得 抓紧
备注:【AI书籍】添加
AI如何用特征、权重和避免过拟合等技术来分辨冬瓜和西瓜?相关推荐
- 智能产品AI服务智商的权重研究|未来研究
作者:刘锋 计算机博士 互联网进化论作者 前言:本文是未来智能实验室关于智能产品智商的最新研究文章,在提出人工智能的三种智商后,通过德尔菲法,对智能产品AI 服务智商的权重进行了确定,为2018年 ...
- AI基础:特征工程-文本特征处理
0.导语 特征工程到底是什么呢?顾名思义,其本质是一项工程活动,目的是最大限度地从原始数据中提取特征以供算法和模型使用. 在此之前,我已经写了以下几篇AI基础的快速入门,本篇文章讲解特征工程基础第三部 ...
- 影像组学视频学习笔记(14)-特征权重做图及美化、Li‘s have a solution and plan.
本笔记来源于B站Up主: 有Li 的影像组学系列教学视频 本节(14)主要介绍: 特征权重做图及美化 import matplotlib.pyplot as plt %matplotlib inlin ...
- fcm算法c语言实现,基于特征权重的FCM算法研究及应用
摘要: 模糊C-均值(FCM)聚类算法是非监督模式识别中应用范围最广泛的算法之一.但是传统的FCM算法中,设定样本的各维特征对分类效果的贡献水平是相同的.在实际中,由于特征提取不够完善,使得特征矢量中 ...
- 特征选择与特征权重区别
在文本分类的过程中,特征(也可以简单的理解为"词")从人类能够理解的形式转换为计算机能够理解的形式时,实际上经过了两步骤的量化--特征选择阶段的重要程度量化和将具体文本转化为向量时 ...
- 文本分类入门(番外篇)特征选择与特征权重计算的区别
文本分类入门(番外篇)特征选择与特征权重计算的区别 在文本分类的过程中,特征(也可以简单的理解为"词")从人类能够理解的形式转换为计算机能够理解的形式时,实际上经过了两步骤的量化- ...
- AI基础:特征工程-数字特征处理
0.导语 特征工程到底是什么呢?顾名思义,其本质是一项工程活动,目的是最大限度地从原始数据中提取特征以供算法和模型使用. 在此之前,我已经写了以下几篇AI基础的快速入门,本篇文章讲解特征工程基础第二部 ...
- [转]文本分类入门(番外篇)特征选择与特征权重计算的区别
原文地址:http://www.blogjava.net/zhenandaci/archive/2009/04/19/266388.html 在文本分类的过程中,特征(也可以简单的理解为"词 ...
- Li‘s 影像组学视频学习笔记(14)-特征权重做图及美化
本笔记来源于B站Up主: 有Li 的影像组学系列教学视频 本节(14)主要介绍: 特征权重做图及美化 import matplotlib.pyplot as plt %matplotlib inlin ...
最新文章
- 动画 java_Java动画程序介绍
- 初学__Python——Python 变量的作用域
- java考察代码_一段简单的关于字符串的 Java 代码竟考察了这么多东西
- 【解题报告】Leecode 748. 最短补全词——Leecode每日一题系列
- java方法中与参数怎么调用_与Java方法调用中的类型参数有关的问题
- 【WC2013】糖果公园
- 在VBA中实现通过Outlook发送邮件
- 使用 Python 学习和破解古典密码
- QT安装 and VS2019中安装QT插件
- GCT 英语单词全部核心词汇A-Z
- 图解yarn的作业提交流程
- Illegal character
- 我,35岁大专,高龄入职鹅厂,试用期未过被劝退(分享java面试宝典)
- 对扫描出的图片进行纠偏
- 枚举,随机数模型,函数功能分解---扔骰子随机数游戏
- 钱币组合问题(动态规划)
- 蓝牙耳机南卡和JBL哪款好用?半入耳耳机南卡和JBL详细对比评测
- poco,c++库学习,日期和时间
- 【图解DSA数字签名算法】DSA签名算法的Python实现 | 物联网安全 | 信息安全
- Qt应用开发(1)——中文字体库
热门文章
- Python 的 requests 库的用法
- 并查集算法c语言版,并查集及其C程序实现.doc
- 体积最小桌面linux,Tiny Core Linux - 体积最小的精简 Linux 操作系统发行版之一 (仅10多MB) - 蓝月网络...
- zend studio php 5.5,PHP - 下载 - Zend Studio 5.5
- IBinder获取手机服务信息异常
- 汇编学习笔记(二):转移指令
- 云计算的发展趋势_2020年的云计算发展趋势预测
- jar包 jdk 停_一文读懂jar包的小秘密
- 项目开发流程_绿维文旅:旅游项目开发模式与流程
- archlinux php mysql,arch linux上安装 httpd+php+mysql+ openssl(转)