逻辑计算 - 人工智能模型的应用于配套

背景

在各种算法后获得的数据，是比较粗糙的，不一定能贴合需求去使用。需要经过计算才能更好的匹配运用

逻辑运算又称布尔运算，是通过数学方法研究逻辑问题建立了逻辑运算

Bool:{是:True/1/非零,否:False/0}

和/与/and/&
同时为True则True，否则False

或/Or/｜
同时为False则False，否则True

否/非/Not/!
!True = False
!False = True

等于  ==  

不等于 !=

大于  >

小于  <

大于等于  >=

小于等于  <=

从高往低排列

括号内的（）
指数 ** ^
乘*、除/、取模%、取整//
加+、减-
比较运算符1 > < >= <=
比较运算符2 == !=
逻辑运算符 and or not

1）

1 + 5*3 : True

3>4 : False

not True : False

True and (False or False) = False

2）

(1+1)/2 > 3 : False 

(1+2)*(4/2) : True

False or True  =  True

变量就有很多

性别、年龄、学历、收入水平、以往经历。。。就有很多很多

然后我们的预测本质就是个函数嘛

把这些数据都输入进模型，经过运算之后就会得到一个结果

按这个例子来说就是一个违约的概率，高的话可能是0.9低的可能0.1

人对于这个值肯定就很好的评价，毕竟就是一个念头。

但是对于计算机，他们就要考虑需要去当前的情况

比如需要业绩，这个可能就0.6以下就放贷

如果是行情好不需要放太多，他就调整到0.3以下才放

还有一些转人工审核的情况。这就需要逻辑运算了。

在图像识别里，只是单纯的图像识别，他就会告诉你这个图，百分之多少是猫，是狗还是啥的

但是到了实际应用里，比如自动驾驶，他用传感器去获取了前面红绿灯的图像。然后传进模型，这不是个颜色点的矩阵嘛，假设他从图片里读到多少个点是红色，然后计算哪些部分可能有被自然光线影响，最后经过计算，他会告诉你当前有多少的概率是红灯，绿灯，黄灯。还剩多少秒

这时候你又要去做决策了，比如70%是红灯，就停车，90%是黄灯也停车。100%是红灯，剩余时间有80%是2秒，就减速慢行，等待下一个传入，如果下一个传入有70%是红灯，90%剩余时间是1秒就停止减速准备匀速通过红绿灯。

当然这都是很简单的情况，真实情况里需要做的逻辑判断就更多。

在单纯的学习模型里，他是没有办法告诉你要怎么做，更多的是告诉你发生的事情。一个完整的人工智能需要很多的学习模型和逻辑运算