-
-
GEE说:
有哪些模型技术？比如预处理模型、机器学习算法
等
一、预处理模型
-
标准化：主要是将特征值转换成0均值和单位标准差，以便模型更好地拟合数据。
-
归一化：主要是将特征值转换成满足某个范围的数值，以便模型更好地拟合数据。
-
缺失值填充：主要是将没有值的特征值补充上，以便模型更好地拟合数据。
-
异常值处理：主要是将极端值进行处理，以便模型更好地拟合数据。
二、机器学习算法
-
决策树：基于特征值来做出决策。
-
随机森林：基于多棵决策树来做出决策，并且可以抑制过拟合的现象。
-
支持向量机：通过寻找最大边界来划分数据。
-
K近邻：基于最近的K个样本来做出预测。
-
逻辑回归：基于结果的概率来做出决策。
-
神经网络：基于神经元网络来做出决策。
-
-
GEE说:
除了预处理模型、机器学习算法还有哪些AI模型技术？
AI模型技术还包括：神经网络（Neural Networks）、深度学习（Deep Learning）、聊天机器人（Chatbots）、自然语言处理（Natural Language Processing）、搜索引擎优化（Search Engine Optimization）、语音识别（Speech Recognition）、计算机视觉（Computer Vision）、智能机器人（Robotics）、强化学习（Reinforcement Learning）等。
-
GEE说:
AI模型训练用到了哪些知识点，哪些技术？
AI模型训练涉及到诸多知识点和技术，其中包括：
-
数据挖掘：数据挖掘主要是从巨量数据中挖掘有价值的信息，涉及数据的采集、清洗、标准化、特征提取、数据分析、模型选择等。
-
机器学习：包括监督学习、无监督学习、半监督学习等，是AI模型训练的基础。
-
深度学习：深度学习是机器学习的一种，它使用多层神经网络模型，借助大量数据进行自动特征提取，以及自动特征分类、识别等。
-
计算机视觉：计算机视觉是一门利用计算机来模拟人眼视觉的学科，它主要应用于图像分析、识别、检测等。
-
自然语言处理：自然语言处理是一门处理人类自然语言的计算机科学分支，它主要应用于语音识别、机器翻译等。
-
