机票样本图片(五分钟入门深度学习-如何预测机票价格)

五分钟入门深度学习-如何预测机票价格

本指南适用于所有人，因此不涉及高等数学。人工智能（AI）与机器学习（ML）

人工智能是人类智能在计算机中的体现。人工智能是计算机科学的一个分支。它试图了解智能的本质，并生产一种新的智能机器，可以以类似的方式对人类智能做出反应。该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统。

机器学习是指机器使用大型数据集而不是硬编码规则的能力。机器学习允许计算机自己学习。这种学习利用现代计算机的处理能力，可以轻松处理大型数据集。

监督学习和无监督学习

监督学习是指利用一组已知类别的样本进行调整以达到所需性能的过程。利用监督学习进行培训AI时，你需要提供一个输入并告诉它预期的输出。

如果AI它将重新调整输出错误的计算。这个过程是在数据集上迭代的，直到AI没有更多的错误。

监督学习的一个例子是天气预报AI。它学习使用历史数据预测天气，训练数据包括输入（压力，湿度，风速）和输出（温度）。

无监督学习是指使用无指定结构的数据集进行机器学习任务。当您使用无监督学习培训时AI时，可以让AI逻辑分类数据。

无监督学习的一个例子是电子商务网站的行为预测AI。它不会通过使用输入和输出的标记数据集来学习。相反，它会创建自己的输入数据分类，告诉你哪些用户最有可能购买某些产品。

深度学习是一种机器学习方法。它允许我们训练AI预测输出。

案例说明:机票样本图片

机票价格预测

使用以下输入来预测价格(为了简单起见，这里不包括回程票):机票样本图片

航空公司神经网络

像动物一样，估计者AI大脑中有神经元，它们用圆圈表示。这些神经元是相互连接的。

输入层隐藏层输出层输入层接收输入数据。例如，输入层有四个神经元：机票样本图片

起飞机场、目的机场、出发日期和航空公司。输入层将输入到第一个隐藏层。

隐藏层数学计算我们的输入。创建神经网络的挑战之一是确定每层隐藏层和神经元的数量。

深度学习中的深度是指有多个隐藏层。

输出层返回输出数据。可提供价格预测。

那么如何计算价格预测呢？

这就是深度学习开始发挥的地方。

神经元之间的每一个连接都与权重有关。这个权重决定了输入值的重要性。初始权重是随机设置的。

在预测机票价格时，出发日期是较重要的因素之一。因此，出发日期神经元连接将占很大的权重。

图片来源;CodeProject每个神经元都有一个。没有数学推理，这些函数很难理解。

总之，其目的之一是标准化神经元的输出。

一组输入数据通过神经网络的所有层，它将通过输出层返回输出数据。

训练神经网络

训练AI是深度学习中最难的部分。

您需要一个大数据集，您需要大量的计算能力来估计机票价格，首先需要找到机票价格的历史数据。我们需要大量的票价清单，因为可能有大量的机场和出发日期。

为了训练AI，我们需要从数据集中向他提供输入，并将其输出与数据集的输出进行比较。由于人工智能尚未经过训练，其输出结果将是错误的。

浏览整个数据集后，您可以创建函数并向我们展示AI的输出与真实输出的差异。这个功能被称为。

理想情况下，成本函数为零，即AI输出与数据集输出相同。

如何降低成本函数？

改变神经元之间的权重。在成本函数很低之前，可以随机更改，但这不是一个很有效的方法。

也可以使用所谓的技术。梯度下降可以让我们找到函数的最小值。

它通过在每个数据集迭代后以小增量改变重量来工作。通过计算一定权重下成本函数的导数(或梯度)，可以看到最小值在哪个方向。

梯度降低更新权重自动完成。这就是深度学习的魔力！

机票价格估算器AI训练结束后，可以用来预测未来的价格。

深度学习使用神经网络模仿动物智能。神经网络中有三种神经元层：输入层、隐藏层和输出层。神经元之间的连接与权重有关，并规定了输入值的重要性。神经元以标准化从神经元输出数据应用激活函数。还需要一个大型数据集来训练神经网络。迭代数据集并与输出进行比较将产生成本函数AI与实际输出有多大的不同。每次迭代数据集后，利用梯度下降来调整神经元之间的权重来降低成本函数。

更多关于「深度学习」请戳23098000张原机票样本图片设计图片，包括机票样本图片、材料、海报、证书背景、源文件PSD、PNG、JPG、AI、CDR等格式素材！