精选6.机器学习(1.概述).pptVIP

机器学习的问题 存在什么样的算法能从特定的训练数据学习一般的目标函数呢？如果提供了充足的训练数据，什么样的条件下，会使特定的算法收敛到期望的函数？哪个算法对哪些问题和表示的性能最好？ 多少训练数据是充足的？怎样找到学习到假设的置信度与训练数据的数量及提供给学习器的假设空间特性之间的一般关系？ 学习器拥有的先验知识是怎样引导从样例进行泛化的过程的？当先验知识仅仅是近似正确时，它们会有帮助吗？ 怎样把学习任务简化为一个或多个函数逼近问题？换一种方式，系统该试图学习哪些函数？这个过程本身能自动化吗？ * 机器学习 为什么学习 学习的定义 设计一个学习系统 学习的一般形式 机器学习研究的问题 OUTLINE 为什么学习 为什么要研究机器学习？ 现在的人工智能系统还完全没有或仅有很有限的学习能力。系统中的知识由人工编程送入系统，知识中的错误也不能自动改正。也就是说，现有的大多数人工智能不能自动获取和生成知识，系统性能难以改善。 未来的计算机将有自动获取知识的能力，它们直接由书本学习，通过与人谈话学习，通过观察学习。它们通过实践自我完善。 优点:存储大、效率高、易于传送所获取的知识。一台计算机获取的知识很容易复制给任何其它机器 为什么学习 学习的例子： 计算机能从医疗记录中学习，获取诊断疾病的方法 个人软件助理跟踪用户的兴趣，并为其选择最感兴趣的在线早间新闻 数字识别、汉字识别、语音识别