管窥机器学习.pdf

网络与交换国家重点实验室 管窥机器学习 报告人：许金良 2016 年10 月 内容大纲 1 什么是机器学习 2 机器学习模型初探 3 智能优化算法 4 4 机器学习面临的挑战 2016/10/26 网络与交换国家重点实验室 Company Logo 机器学习定义 机器学习是近20多年兴起的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。机器学习理论主要是设计和分析一些让计算机可 以自动“学习”的算法。即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。 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” 。 2016/10/26 网络与交换国家重点实验室 3 机器学习定义 机器学习是一门边缘学科 2016/10/26 网络与交换国家重点实验室 4 机器学习定义 机器学习的一个形象描述 2016/10/26 网络与交换国家重点实验室 5 机器学习定位、关系 机器学习与人工智能、模式识别、数据挖掘的关系 与人工智能的关系 机器学习是为了让计算机系统具有人的学习 能力以便实现部分的人工智能 与模式识别的关系 模式识别发源于工程应用，而机器学习发源 于计算机技术，是同一个事物的不同方面。 与数据挖掘的关系 2016/10/26 网络与交换国家重点实验室 6 机器学习定位、关系 机器学习与深度学习的关系  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。 2016/10/26 网络与交换国家重点实验室 7 机器学习定位、关系 机器学习与大数据的关系  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。 2016/10/26 网络与交换国家重点实验室 8 机器学习学习系统 学习系统架构 为了使计算机系统具有某种程度的学习能力, 使它能通 过学习增长知识,改善性能, 提高智能水平,需要为它建 立相应的学习系统。 一个学习系统一般应该由环境、学习、知识库、执行与 评价四个基本部分组成。 环境 学习 知识库 执行与评价 2016/10/26 网络与交换国家重