机器学习和迁移学习要点.ppt

Machine Learning 制作者：黄皓璇 陈韬 2015年5月7日 目录 1 2 3 4 机器学习 常见算法 集成方法 迁移学习 1.机器学习 1.1 概念简介 机器学习(Machine Learning, ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。机器学习算法是一类从数据中自动分析获得规律，并利用规律对未知数据进行预测的算法。 由于机器学习是人工智能的一个核心领域，所以也有如下定义：“机器学习是一门人工智能的科学，该领域的主要研究对象是人工智能，特别是如何在经验学习中改善具体算法的性能。 1.机器学习 1.2 分类 （1）监督学习：从给定的训练数据集中学习出一个函数，当新的数据到来时，可以根据这个函数预测结果。监督学习的训练集要求是包括输入和输出，也可以说是特征和目标。训练集中的目标是由人标注的。常见的监督学习算法包括回归分析和统计分类。 （2）无监督学习：与监督学习相比，训练集没有人为标注的结果。常见的无监督学习算法为聚类。 （3）半监督学习：介于监督学习与无监督学习之间，如迁移学习。 （4）增强学习：通过观察来学习做成如何的动作。每个动作都会对环境有所影响，学习对象根据观察到的周围环境的反馈来做出判断。 2.常见算法 2.1 简介 分类算法：最近邻居法、朴素贝叶斯、决策树、人工神经网络、支持向量机等。 聚类算法：K