第7章机器学习1.ppt

什么是机器学习？ 漫画：什么是机器学习？ /s?__biz=MjM5OTA1MDUyMA==mid=2655437041idx=1sn=dd702302cb3f0a7559fee99eaa93538achksm=bd730c868a0485909ce860fef099f024ae039dd0125527556d6da3e241e61372c2mpshare=1scene=1srcid=1012bA01lQApjqj1RzXPWSrO#rd 斯坦福大学公开课 ：机器学习课程_全20集_网易公开课 /special/opencourse/machinelearning.html 定义：“机器学习是对能通过经验自动改进的计算机算法的研究”。 定义：“机器学习是一种让计算机在没有事先明确地编程的情况下做出正确反应的科学” 。 * * * * * * * * * * * * * * * * * * * * * * 都是套路啊 * * * * * * * * * * * * * * * * * * * * * * * * * * 3.数据挖掘的任务 数据挖掘任务可分为七种类型： ③?互联规则。互联规则描述对象集之间的关联关系。 ④?分类规则。把被分类数据映射到一组已知的类。例如，根据汽车的汽油-里程把汽车加以分类。 ⑤?数据聚类。根据对象属性标识对象集的聚类（类或组）。对象按某种聚类准则聚类后，对象组内的相异性最小，组间的相异性最大。例如，根据疾病症状，把一组疾病聚类成几个类。 7.4.2 数据挖掘 7.4 数据挖掘和知识发现方法 * 第7章 机器学习 * 3.数据挖掘的任务 数据挖掘任务可分为七种类型： ⑥?预测。预测某些被丢失的数据的可能值或数据集中某些属性值的分布。例如，根据公司员工的工资分布预测某个员工的工资。 ⑦?趋势性规则挖掘。发现反映数据集中普遍演变行为的规则集。例如发现影响库存商品价格的因素。 上述七种规则仅仅是目前已知的规则知识中的一部分，尚有其它一些规则类这里未列出，例如量化规则等。 7.4.2 数据挖掘 7.4 数据挖掘和知识发现方法 * 第7章 机器学习 * 3.数据挖掘的任务 以上把数据挖掘任务分为了七种类型。这七种规则仅仅是目前已知的规则知识中的一部分，尚有其它一些规则类这里未列出，例如量化规则等。 另外，对数据挖掘的分类，可以从不同角度来进行。例如，可以依据所挖掘的数据源类型、所发现的知识类型以及所使用的技术等，这里不再详述。 7.4.2 数据挖掘 7.4 数据挖掘和知识发现方法 * 第7章 机器学习 * ⑵ 通用的数据挖掘工具： 不区分具体数据的含义，采用通用的挖掘算法，处理常见的数据类型，一般提供六种模式。例如，IBM公司Almaden研究中心开发的QUEST系统，SGI公司开发的MineSet系统，加拿大SimonFraser大学开发的DBMiner系统。通用的数据挖掘工具可以做多种模式的挖掘，挖掘什么、用什么来挖掘都由用户根据自己的应用来选择。 7.5 数据挖掘开发工具简介 7.5.2 数据挖掘开发工具简介 * 第7章 机器学习 * 作业：思考与练习7 7-1 知识获取有哪几种方法？试述其基本特点。 7-2 什么是学习和机器学习？机器学习采用的策略大体上分为哪几种？ 7-3 试述机器学习系统的基本结构，并说明各部分的作用。 7-4 机器学习有哪些分类方法？按照机器学习的实现途径，机器学习具体有哪几种方法？ * 第7章 机器学习 * 讲课的机器学习算法包括knn，aprior算法，贝叶斯，svm，决策树算法，遗传算法，蚁群算法，粒子群算法，BP神经网络。这些都要在后面的课件中谈到。每个算法一个课件。 * * * * * * * * * * 孩子是父母生的，继承了父母的基因，难道孩子未来发展就不如父母吗？ * * 互联网数据海量，为有效利用和管理这些海量数据，让机器具有认识问题和解决问题能力，更聪明，超过人类的智能，就是机器学习。 * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 　 下面我们建立基于解释的学习，并从中学习新规则。 (4) 使用语义框架具体化链：使用合适描述予以表达人物特性、其动机以及随之发生的行动。例如，麦克佩斯和邓肯可由节点来说明，两节点间用谋杀链连接，如图 (a)所示　 7.3 几种常用的学习方法 7.3.2 基于解释的学习 谋杀 * 第7章 机器学习 * （5）使用语义网对具体化链进一步的解释： 　这里对谋杀可用更多的说明，因为麦克佩斯用到一把刀。