统计机器学习（陈明）1 introduction.pptVIP

Lecture Notes for E Alpayd?n 2010 Introduction to Machine Learning 2e ? The MIT Press (V1.0) Lecture Notes for E Alpayd?n 2010 Introduction to Machine Learning 2e ? The MIT Press (V1.0) 陈明 湖南师范大学 数学与计算机科学学院 * 什么是机器学习 “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。” “机器学习是对能通过经验自动改进的计算机算法的研究。” 本书中的观点：“机器学习是用数据或以往的经验，以此优化计算机程序的性能标准。” 什么是机器学习 总结： 人工智能的重要组成部分 利用经验数据改善系统自身性能 已广泛应用于多个领域; 大数据分析 网络搜索 金融市场预测 …… 为什么需要机器学习？ 美国航空航天局JPL实验室的科学家在《Science》（2001年9月）上撰文指出：机器学习对科学研究的整个过程正起到越来越大的支持作用，……，该领域在今后的若干年内将取得稳定而快速的发展 Machine learning forms the core of may present-day AI applications Gary Anthes, Future Watch: AI comes of age, , 2009.1.26 为什么需要机器学习？ 2004年，机器学习被 MIT Technology Review 列入10 Emerging Technologies that will Change Your World 2010年度图灵奖授予机器学习理论创始人、哈佛大学Leslie Valiant教授 2011年度图灵奖授予概率图模型奠基者、加州大学洛杉矶分校Judea Pearl 教授 图灵奖连续两年颁发给机器学习先驱开创者 深度学习与机器学习 深度学习（deep learning）是机器学习领域中一系列试图使用多重非线性变换对数据进行多层抽象的算法，本质上是机器学习中特征学习方法的一类。 至今已有多种深度学习框架：深度神经网络，卷积神经网络，深度信念网络。 已被应用于多个领域：计算机视觉，语音识别，自然语言处理等。 大数据与机器学习 机器学习几乎无处不在，即便我们没有专程调用它，也经常出现在大数据应用中。机器学习对大数据应用的贡献主要体现在： 促进数据科学家们的多产性 发现一些被忽视的方案 上述价值来自于机器学习的核心功能：让分析算法无需人类干预和显式程序即可对最新数据进行学习。这就允许数据科学家们根据典型数据集创建一个模型，然后利用算法自动概括和学习这些范例和新的数据源。 Books and References 主要参考书 Ethem Alpayd?n著，范明等译，《机器学习导论》第2版，机械工业出版社，2014. 更基础的参考书 李航，《统计学习方法》，清华大学出版社，2012. 罗杰斯，吉罗拉米 著，郭茂祖 等译 ，《机器学习基础教程》，机械工业出版社，2013 其他更有难度的参考书 迪达等著，李宏东等译， 《模式分类》，机械工业出版社，2003 Trevor Hastie, Robert Tibshirani, Jerome Friedman著，范明，柴玉梅，昝红英译，《统计学习基础—数据挖掘、推理与预测》， 电子工业出版社，2004 英文版《 The elements of statistical learning》第2版，2015年出版 西奥多里蒂斯　等著，李晶皎等译，《模式识别（第四版）》，电子工业出版社，2010 Christopher M. Bishop? 《Pattern Recognition and Machine Learning》2006 视频教程 斯坦福大学 《机器学习》，网易公开课，主讲人：Andrew Ng 中国科学院 《统计学习教程》 主讲人：卿来云 Resources: Datasets UCI Repository: /~mlearn/MLRepository.html UCI KDD Archive: /summary.data.application.html Statlib: / Delve: http://www.cs.utoronto.ca/~delve/ * Resources: Journals Journal of Machine Learning ResearchMachine Learning Neural Computation