admin 管理员组

文章数量: 1087675


2024年3月22日发(作者：发卡网源码推荐)

人工智能十大经典应用领域及其技术原理

本文通过案例分门别类地深入探讨人工智能的实际应用。案例甚多，此处所列举的仅

是九牛一毛。本该按行业或业务对这些案例进行分类，但相反我选择按在行业或业务中最

可能应用的顺序来分类。

本文将使用“算法”一词，以高度简化的方式来描述单个算法、模型或者使用多种算

法的软件。在每个类别中，逐一讨论数据输入的类型、作为黑箱的算法以及输出(为了简便

易行，即使真实算法不是黑箱也暂且把它当成黑箱)。因为这是高层次的概述，所以我鼓励

你深入研究感兴趣的具体应用，搞清楚它们究竟是如何应用于行业或者业务活动的。目前

也有很多资源可供使用，以学习所涉及的技术细节和具体算法。

一、预测分析

预测是预测分析或者预测建模的同义词，这是根据有标签，以及有时甚至无标签的输

入数据来判断输出数据的过程。在机器学习和人工智能中，预测分析可以进一步细分为回

归和分类。

下面将对使用有标签数据(有监督)进行预测的两个子类进行讨论。

1. 回归

图1-1展示了在回归方法中输入有标签数据，经预测模型处理，然后从连续数列中生

成数值的过程(例如股市的闭市价)。

应用包括客户全周期的股票价值和净利润、收入及其增长预测、价格变动、信贷违约

风险以及股票交易计算。

2. 分类

分类指的是输入有标签数据，经过分类模型处理后，把输入数据分成一类或多类的过

程，如图所示。

垃圾邮件过滤器是二元分类应用的标准案例。电子邮件是经分类模型处理后的输入数

据，输出数据是确定了的垃圾邮件或者非垃圾邮件，非垃圾邮件专指那些不含垃圾内容的

好邮件。垃圾邮件会被送入垃圾箱，而非垃圾邮件则被送入收件箱。


本文标签： 预测 数据 垃圾邮件 应用 分类

版权声明：本文标题：人工智能十大经典应用领域及其技术原理 内容由网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：http://www.roclinux.cn/p/1711099158a588417.html， 本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。