接上【AI浅谈】AI算法，用尽可能简单的话讲懂AI的原理【1】
事前说明
学无止尽，个人能力不足，如有错误之处烦请见谅，感谢您的阅读与指出！
PS：小伞是一直在学习的唐伞妖怪欧，由于只是一只菜菜的妖怪，所以学习的地方可能会有些不对(||๐_๐)，感谢各位大佬的指正！
关于AI学习的几大注意
谈完了AI算法的基本原理，接下来我们就要从多个角度来谈谈，如何让AI模型学得更好。AI学习主要涉及到的主体有若干个：数据，模型，训练，评估，优化，按照我们上节课讲过的概念来对号入座，数据模型训练这些不用多谈，评估的话指的就是多种多样的损失函数，还有诸如准确率这些的评估依据，优化的话指的就是为了让模型训练的更好采取的各种各样的手段，例如正则化。这5个主体除了评估是事后诸葛亮，反映学习效果的好坏以外，其他4个的优化，都可以一定程度的提高AI的学习效果。
先从数据开始吧~
当然在讲问题之前，首先要有一个具体的例子，这边就假设我手里有很多水果的图片，然后要让一个模型来学会如何区分水果(假设需要让AI进行区分的总体水果种类有20种)吧。
先从数据开始讲吧，首先我手里面的数据要足够丰富多样，至少要涵盖总体的20种水果种类，假设我手里如果只有苹果和梨的照片，而其他18种水果的照片数量都很少(几张)，。这样AI学习的时候，就有可能把其他18种水果种类的照片认为是噪声，然后忽略掉了，这可不是我们想要的情况。
而上面说明的情况就引出了一个著名的问题，叫做样本不均衡问题，指的是我们手里面的数据集，它的样本数量是不均衡的，在这个例子里面，苹果跟梨的数量偏多，而其他水果的数量偏少，换而言之模型只有很少的机会会接触到其他水果，这样模型在猜水果的过程中，久而久之可能就会只猜是苹果或者是梨，其他的可能忽略掉了，因为这样子学得更快，也不用背很多东西。针对这种情况，我们可以采用欠采样或者过采样的策略。
欠采样
欠采样的概念很简单，就是我每次从较多的类别中取出跟较少的类别一样的数目，从上面的例子来说，假设这20种水果种类里面最少的是猕猴桃，只有大概7张照片，这种情况我就从其他19种里面都抽出7张(随机抽的)，组合成一个很小的数据集来送给AI模型进行训练，这样做的好处是样本数据一定是均衡的，但是欠采样可能会造成一个问题，就是对于多数类样本里面，AI学习的可能不全，从上面的例子来说，假设苹果的数量有2万张，我们只从2万张里面取7张，那么AI可能只学习到了苹果是一个圆形且红色的东西，那么当他看到圣女果的时候，可能也会把圣女果认成是苹果。这就是欠采样的缺点。
过采样
但还有一种方法叫做过采样。过采样的方法简单粗暴，既然数量不够，那我就不断复制粘贴，把少数类的样本通过不断重复增加到跟多数类一样的数量。例如猕猴桃只有7张，苹果有3000张，那这个时候我就把猕猴桃里面的数据不断复制粘贴复制粘贴，构造一堆样本出来，增加到3000张为止，这样做的好处是AI可以在样本数量大并且样本均衡的数据集里进行学习，并且不会出现欠拟合的情况，缺点是由于AI看多了重复的样本，它可能会出现过拟合的情况(干脆背起来算了，失去了泛化性).
当然关于样本不均衡问题的解决方法，还有好几种，这是一个大问题，我们下次再谈。