{"resolved":true,"match_type":"uuid","source_type":"original_book","book_id":"cf76bc49-7e9b-4f42-bee8-3050a9fb9feb","title":"智慧的疆界 从图灵机到人工智能","author":null,"edition":null,"publisher":null,"year":null,"isbn":"9787111778004","requested_by":"printed_page","book":{"source_type":"original_book","book_id":"cf76bc49-7e9b-4f42-bee8-3050a9fb9feb","id":"cf76bc49-7e9b-4f42-bee8-3050a9fb9feb","uuid":"cf76bc49-7e9b-4f42-bee8-3050a9fb9feb","title":"智慧的疆界 从图灵机到人工智能","normalized_title":"智慧的疆界从图灵机到人工智能","author":null,"edition":null,"publisher":null,"year":null,"isbn":"9787111778004","isbns":["9787111778004","9787111695714"],"parsed":true,"ai_readable":true,"document_type":"book","page_count":456,"navigation_url":"https://workshop.closeclaw.top/ai/book/cf76bc49-7e9b-4f42-bee8-3050a9fb9feb","title_url":"https://workshop.closeclaw.top/ai/title/%E6%99%BA%E6%85%A7%E7%9A%84%E7%96%86%E7%95%8C%20%E4%BB%8E%E5%9B%BE%E7%81%B5%E6%9C%BA%E5%88%B0%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD","fixed_page_url_template":"https://workshop.closeclaw.top/ai/book/cf76bc49-7e9b-4f42-bee8-3050a9fb9feb/page/{printed_page}","path_api_url_template":"https://workshop.closeclaw.top/api/ai/book/cf76bc49-7e9b-4f42-bee8-3050a9fb9feb/page/{printed_page}","read_url":"https://workshop.closeclaw.top/api/ai/read/cf76bc49-7e9b-4f42-bee8-3050a9fb9feb","page_url":"https://workshop.closeclaw.top/api/ai/books/cf76bc49-7e9b-4f42-bee8-3050a9fb9feb/page","search_url":"https://workshop.closeclaw.top/api/ai/books/cf76bc49-7e9b-4f42-bee8-3050a9fb9feb/search"},"page":{"printed_page":190,"pdf_page":205,"physical_index":205,"physical_index_base":0,"printed_page_status":"recognized","page_sha256":"9ab2fb5a9eb0c332cf35ee1cc6542dd307c533520df129c88684e17b77af3d1f"},"chapter":"内容简介","content":"许多著名的人工智能项目都是在强化学习的基础上实现的，如开发出AlphaGo Zero 围棋程序的 DeepMind 团队在与李世石对弈之后，就曾经宣布为了获得更好的效果，将放弃所有人类对弈图谱，抛弃全部历史数据和原本的监督学习方法，从零开始，完全以机器相互对弈的方式训练新版 AlphaGoZero。由于棋盘上每步落子是否正确，是可以从最终的结果得出的，所以新版AlphaGo Zero 的训练过程的本质是一个强化学习过程。此外，现在许多机器学习任务，从玩游戏到无人车驾驶的训练等也都是基于强化学习来完成的。\n\n6.6.4 数据预处理\n\n介绍完样本、样例和机器学习的主要任务类型之后，我们的邮件过滤系统就可以正式进入训练阶段了。这个阶段要做的第一件事是“对数据进行预处理”（Data Preparation），即统一数据度量标准和去除噪声，目的是保证数据正确，统一对数据的描述形式，并且数据描述中包含对结果有关键影响的特征，以便后续在建立模型、优化模型等步骤中得到高质量的信息输入。保证数据正确的部分被称为“数据清洗”（Data Cleaning），而保证数据描述恰当的部分被称为“特征选择”（Feature Selection）。\n\n“数据清洗”这个名字本身就是一个很形象的比喻，在实践中，样本数据可能来源于数据库、传感器、摄像头等多种测量设备，人们可能以各种不同的方法去收集数据，如此导致的结果是样本本身或者某个特征值会包含一定的误差、缺失或者错误的数据，我们称这种现象为数据里含有“噪声”\n\n190\n\n第三部分 第三波高潮","previous_page":189,"next_page":191}