机器学习第一节.pptVIP

机器学习的一般步骤 环境：外部信息的来源，为系统的学习提供有关信息。 学习：从环境取得信息，经过分析、类比和归纳等思想获得知识存入知识库。 知识库：存放由学习得到的知识。 执行：基于新的知识库，执行一系列任务。 机器学习的一般步骤 机器学习中学习环节的一般过程如图2： 图2 学习环节的一般过程 在进行学习前要先确定具体采用哪一种方法学习，而训练就是运行具体的学习算法获得相关的知识。 机器学习实施过程 特征提取 特征1 样本数据 样本数据 样本数据 … n 预处理 特征样本集 原始样本集 机器学习算法 训练 预测 输出 验证集 评价 目标 特征1 … n 目标 特征1 … n 目标 特征1 … n 训练集 目标 特征1 … n 目标 特征1 … n 目标 特征1 … n 验证集 目标 特征1 … n 目标 特征1 … n 目标 预测目标 预测目标 预测目标 改进 机器学习方法的分类 机器学习的研究方法种类繁多，目前比较流行的机器学习方法分类主要有以下几种。 按学习时所用的分类方法进行分类 机械式学习 示教学习 类比学习 解释学习 机器学习方法的分类 按推理的策略进行分类 演绎学习：所用的推理形式为演绎推理，推力从公理出发，经过逻辑变换推导出结论。这种学习方法包含宏操作学习、知识编辑和组块技术。 归纳学习：有教师或环境提供某概念的一些实例或反例，让学生通过归纳推理得出该概念的一般描述。 机器学习方法的分类 按综合因素进行分类 连接学习 分析学习 遗传算法与分类器系统 机器学习的分类 监督学习 无监督学习 机器学习算法 统计 分类 回归 分析 聚类 关联 规则 监督学习(unsupervised learning):利用一组已知类别的样本调整分类器的参数，使其达到所要求性能的过程，也称为监督训练或有教师学习。 无监督学习(unsupervised learning):设计分类器时候，用于处理未被分类标记的样本集。 决策树、朴素贝叶斯、逻辑回归、KNN、SVM、神经网络、随机森林 K-means、BIRCH、 Apriori 机器学习中的推理方法 按推理过程的思维方向划分，分为演绎推理、归纳推理和类比推理。 演绎推理：结论可从叫做前提的已知事实必然得出的推理。 归纳推理：从个别性知识推出一般性结论的推理。 类比推理：根据两个或两类对象有部分属性相同，从而推断出它们的其他属性也相同的推理，简称类推、类比。 * * * * 制作人:李丹阳 高鹏飞 机器学习 机器学习的应用和现状 机器学习方法分类 机器学习推理方法 什么是机器学习 Langley说：“机器学习是一门人工智能的学科，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。” TomMitchell说：“机器学习是对能通过经验自动改进的计算机算法的研究。” Alpaydin说：“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。” 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。 顾名思义，机器学习是研究如何使用机器来模拟人类学习活动的一门学科。严格的说，机器学习是一门研究机器获取新知识和新技能，并识别现有知识的学问。 机器学习的发展大体上经历了三个阶段： 第一阶段：探索阶段，20世纪50—60年代 这一阶段主要受神经生理学、生理学和生物学影响，主要侧重于非符号的神经元模型的研究。 第二阶段：发展阶段，20世纪70年代 这一阶段专家系统发展迅速，知识获取成为当务之急，主要侧重于符号学习的研究。 第三阶段：鼎盛阶段，20世纪80年代 这一阶段的理论研究和应用研究也有了新的突破，机器学习的研究进入了全面的系统化的时期。 机器学习的应用 机器学习目前已经有了十分广泛的应用，例如：数据挖掘、计算机视觉、自然语言处理、生物特征识别、搜索引擎、医学诊断、检测信用卡欺诈、证券市场分析、DNA序列测序、语音和手写识别、战略游戏和机器人运用。 机器学习的应用 百度目前正在推进一个名为“百度大脑”的项目，利用计算机技术模拟人脑，已经可以做到2-3岁孩子的智力水平。目前百度大脑在语音、图像、自然语言处理和用户画像等前沿领域都有了不错的进展。 IBM识别癌变细胞技术取得重大突破，用深度学习与神经网络重塑病理学。 Google翻译里程碑：基于单一模型的 Zero-Shot 系统正式上线。Google多语言神经机器翻译系统支持103种语言的翻译。 整容式的美颜2.0技术如何实现？最关键的技术——人脸识别。 …… 机器学习的