無論是machine larning 還是deep leraning都需要數(shù)學(xué)建模思維,沒有很好地建模思維,那你的項(xiàng)目就達(dá)不到所謂的智能。
那么數(shù)學(xué)與建模有什么聯(lián)系,我們知道在大學(xué)如果要學(xué)高數(shù)必須要學(xué)習(xí)微積分,定積分,線性代數(shù),概率論等,所以這些都是建模的基礎(chǔ),建模沒有對(duì)錯(cuò),只有better,所以基礎(chǔ)肯定要有的,其次要會(huì)查資料,比如各種出版論文,最新的建模思維,只要熟練掌握,那么你的建模思維就會(huì)很高級(jí),解決實(shí)際情況的方法就會(huì)很高效。
數(shù)學(xué)與數(shù)學(xué)建模:
舉個(gè)簡(jiǎn)單的列子:
如:一個(gè)星級(jí)旅館有150個(gè)客房,經(jīng)過一段時(shí)間的經(jīng)營(yíng)實(shí)踐,旅館經(jīng)理得到了一些數(shù)據(jù):每間客房定價(jià)為160元時(shí),住房率為55%,每間客房定價(jià)為140元時(shí),住房率為65%,
每間客房定價(jià)為120元時(shí),住房率為75%,每間客房定價(jià)為100元時(shí),住房率為85%。欲使旅館每天收入最高,每間客房應(yīng)如何定價(jià)?
[簡(jiǎn)化假設(shè)]
(1)每間客房最高定價(jià)為160元;
?。?)設(shè)隨著房?jī)r(jià)的下降,住房率呈線性增長(zhǎng);
?。?)設(shè)旅館每間客房定價(jià)相等。
[建立模型]
設(shè)y表示旅館一天的總收入,與160元相比每間客房降低的房?jī)r(jià)為x元。由假設(shè)(2)可得,每降價(jià)1元,住房率就增加 。可知
[求解模型]
利用二次函數(shù)求最值可得到當(dāng)x=25即住房定價(jià)為135元時(shí),y取最大值13668.75(元),
[討論與驗(yàn)證]
(1)容易驗(yàn)證此收入在各種已知定價(jià)對(duì)應(yīng)的收入中是最大的。如果為了便于管理,定價(jià)為140元也是可以的,因?yàn)榇藭r(shí)它與最高收入只差18.75元。
?。?)如果定價(jià)為180元,住房率應(yīng)為45%,相應(yīng)的收入只有12150元,因此假設(shè)(1)是合理的。
這便是一個(gè)簡(jiǎn)單的數(shù)學(xué)建模,在這道題中我們需要考慮的是:
1.要做什么?
2.怎么做?
3.這樣做合理嗎?
4.如果這樣做,假設(shè)那些可以改變?
5.這樣做需要用到那些模型?
6.這種模型簡(jiǎn)潔嗎?
7.確定了這種模型,怎么求解?
8.求解出來了,與現(xiàn)實(shí)合理嗎?
9.在這個(gè)模型中,存在什么缺點(diǎn),怎么去優(yōu)化?
10.總結(jié)
差不多這十點(diǎn)是需要我們考慮的,也許要大量用到數(shù)學(xué)計(jì)算,甚至涉及到統(tǒng)計(jì),經(jīng)濟(jì)學(xué),專有軟件(matlab,spass)的處理等,所以整個(gè)建模過程離不了數(shù)學(xué)知識(shí)。
數(shù)學(xué)建模與人工智能:
同樣通過一個(gè)小例子來理解他們之間的關(guān)系:
題目:在一個(gè)公司中,由于某些原因,有些員工漸漸離網(wǎng)(從公司流失),對(duì)于此,請(qǐng)用機(jī)器學(xué)習(xí)算法預(yù)測(cè)客戶流失的一些特點(diǎn),包括年齡,性別等其它因素。
在這道題中,利用機(jī)器學(xué)習(xí)時(shí)要用到一種建模模型:決策樹
1.決策樹如何構(gòu)建?
2.構(gòu)建決策樹
3.生成決策樹
4.利用ID3算法實(shí)現(xiàn)function
5.集成學(xué)習(xí)
6.然后利用PAI算法執(zhí)行
7.分析效果
8.總結(jié)
不難發(fā)現(xiàn)通過這復(fù)雜的八步就完美提供了解決方案,完成項(xiàng)目需求,而這八步都需要扎實(shí)的建模思維,要不然幾乎沒辦法做,所以數(shù)學(xué)建模對(duì)于人工智能算法非常關(guān)鍵。
再者比如最新的滴滴Di-Tech算法大賽:
問題是:對(duì)無人駕駛車而言,最重要的是能夠理解周圍環(huán)境并做出相應(yīng)決策,保證行車安全。參賽者需要努力找到通過攝像頭和 LIDAR 數(shù)據(jù)檢測(cè)道路上的障礙物的最好方法。最終的系統(tǒng)應(yīng)該能夠識(shí)別行人、車輛和普通障礙物,對(duì)人類駕駛員和無人駕駛系統(tǒng)都有很大幫助。參賽者需要處理 LIDAR、RADAR及攝像頭原始數(shù)據(jù),輸出障礙物位置、移除噪音和環(huán)境錯(cuò)誤檢測(cè)。參賽者可以利用已經(jīng)較為完善的 Kitti 數(shù)據(jù)集,在現(xiàn)有技術(shù)的基礎(chǔ)上,加入自己的新方法和手段,來讓算法獲得更好表現(xiàn)。
不難發(fā)現(xiàn)無論是怎樣的安全措施,數(shù)據(jù)分析,算法處理,都需要建模思維各個(gè)方面考慮,完美的建模便是最好的答案。
∑編輯 | Gemini
聯(lián)系客服