人工智能概述 智能：个体适应环境并能在不同环境中实现其目标的能力 概念性定义： 机器智能：使机器具备计算和判别的行为能力 类脑智能：仿生智能，让机器像人或生物一样思考 群体智能：社会智能的机器重现与利用、涌现智能 人工智能的起源 萌芽期： 机械自动化 逻辑推理 孕育期（文艺复兴以来）： 理性主义 数理逻辑学课 计算思维：巴贝奇：差分机，图灵机 形成期(1956-1961)： 1956 年，首次人工智能研讨会 IBM 的西洋跳棋程序，文法体系、逻辑推理机 发展期 (60 年代)： 研究领

无监督学习 鸡尾酒会算法 支持向量机 模型描述 h_\theta(x) = \theta_0 + \theta_1 x h_\theta(x) = \theta_0 + \theta_1 x 代价函数 \min {1 \over 2n}\sum_{i = 1}^n [h_\theta(x_i) - y_i]^2 \min {1 \over 2n}\sum_{i = 1}^n [h_\theta(x_i) - y_i]^2 其中 (x_i, y_i)(x_i, y_i) 是训练样本，总共有 nn 个，

这个文章来自于 B 站视频 [1] 的总结 import numpy as np import matplotlib.pyplot as plt 梯度下降法 def f(x1, x2): return x1 ** 2 + 2 * x2 ** 2 + x1 def grad(x1, x2): return 2 * x1 + 1, 4 * x2 x1, x2 = 0.3, 0.3 # 2. 设定学习率 eta = 0.1 # 3. 开始迭代 values = [] for step