机器学习课20180515.ppt

机器学习 什么是机器学习？ 人工智能大师Herb Simon这样定义学习： 学习：系统在不断重复的工作中对本身能力的增强或改进，使得系统在下一次执行相同任务或类似任务（指的是具有相同分布的任务）时，比现在做的更好或效率更高。 机器学习的重要性 机器学习是人工智能的主要核心研究领域之 一, 也是现代智能系统的关键环节和瓶颈。 很难想象: 一个没有学习功能的系统是能被 称为是具有智能的系统。 信息检索（Information Retrieval ) 机器学习的任务 令W是这个给定世界的有限或无限所有对象的集合，由于观察能力的限制，我们只能获得这个世界的一个有限的子集Q?W，称为样本集。 机器学习就是根据这个有限样本集Q ，推算这个世界的模型，使得其对这个世界为真。 机器学习的三要素 一致性假设：机器学习的条件。 样本空间划分：决定模型对样本集合的有效性。 泛化能力：决定模型对世界的有效性。 要素1：一致性假设 假设世界W与样本集Q具有某种相同的性质。 原则上说，存在各种各样的一致性假设。 在统计意义下，一般假设： W与Q具有同分布。或， 给定世界W的所有对象独立同分布。 要素2：对样本空间的划分 样本集合模型： 将样本集放到一个n 维空间，寻找一个超 平面(等价关系)，使 得问题决定的不同对 象被划分在不相交的 区域。 要素3： 泛化能力 泛化能力：学习的目的是