人工智能和大数据的开发过程中需要注意这12点

你很可能听说过谚语“进来的是垃圾，出去的也是垃圾”(garbage in, garbage out)，在建立机器学习应用中这一点尤其重要。为了避免挖掘的效果失控，关键是要充分掌握问题所在的领域，通过调查数据来生成各种各样的特征，这样的做法会对提升分类的准确率和泛化能力有很大的帮助。仅靠把数据扔进分类器就想获得优秀结果的幻想是不可能实现的。

注意点11：要学习各种不同的模型

模型的组合(Ensemble)技术正变得越来越流行了，因为组合方法，仅需要付出少许偏见(bias)的代价，就能大大的减少算法的不确定性。在著名的Netflix算法竞赛中，冠军队以及成绩优异队伍们全都使用了组合模型方法，把超过100个模型合并在一起(在模型上叠加高层的模型形成组合)以提升效果。在人工智能用于实际应用时，从业者普遍都认为，未来的算法一定时会通过模型组合的方法来获得更好精度，但是这也会抬高非专业人员理解系统机制的门槛。

注意点12：相关关系不等同于因果关系

这一点值得反复强调，我们可以通过一句调侃的话来解释：“地球变暖、地震、龙卷风，以及其他自然灾害，都和18世纪以来全球海盗数量的减少有直接关系”。这两个变量的变化有相关性，但是并不能说存在因果关系，因为往往存在第三类(甚至第4、5类)未被观察到的变量在起作用。相关关系应该看作是潜在的因果关系的一定程度的体现，但需要进一步研究。

在开发人工智能与大数据应用系统时，把握好以上十二个注意点，能够有效避免实战中的各种“坑”，帮助技术在走出实验室，走向落地应用时，能发挥更加健壮、强大的作用。

【编辑推荐】

1. 人工智能时代，自我成长和教育该做哪些尝试？
2. 人工智能是物联网的催化剂
3. 人工智能巡回赛收官在即，助力AIIA人工智能开发者大会
4. 【有奖辩论】“智慧运维”渐成趋势，运维工程师会被人工智能替代吗?
5. 人工智能、区块链并驾齐驱，会产生怎样的技术红利？

（编辑：核心网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!