AI实践笔记－－智能推测吃货女友想吃啥（待续）

最近看了一些机器学习类的文章还有西瓜书，采纳腾讯云某总监的学习人工智能的方法建议后，准备着手通过实践逐步进行知识细化。 首先决定先学习一些基本的机器学习算法，最终选择一个最合理的算法，实现智能推测女友想吃啥。 （一）svm 支持向量机(Support Vector Machine) 算法主要目的是用来分类的，通过特性把数据分为两类，然后分为两类后再继续各自分类，由于数学底子不好，可能需要慢慢补习，但是看算法文档后，对svm算法有了基本的认识，其基本概念用大白话说，就是在一个二三维空间里，通过学习样本＋学习标记，在空间里画n个点位， 通过拉格朗日乘积法和kkt条件在二三维空间里算出一个切面，通过核函数，锐化成曲线或者曲面，把所有的点位分成两类。这里值得一提的是Python的svm算法库sklearn，我的老同事告诉我,spark的ML库也支持，但是ML库实现的人工智能算法比较有限,但是spark毕竟是并行计算框架，更适合做大规模的监督非监督样本学习。 (二）决策树 算法也是用来分类的，通过把不同的属性挨个分类，形成一棵树，决策树有信息增益这样的特性，是指，当正常铺开决策树的信息熵 跟 其理论信息熵的差值，就是信息增益，增益越大表示这个属性越重要，通俗的说就是，用西瓜的大小，颜色，重量判断是否是熟瓜，当颜色为黄的时候，不用分析重量跟大小，铁定是不熟的，这时候再决策树上，如果逻辑走到颜色为黄，下面的子叶直接就是判断结果的时候，这种情况就是信息增益大，信息熵差值大，因为理论判断完颜色，还需要判断其他属性。

（写一半女朋友跑了，硬着头皮继续写）