【大学课件】机器学习研究知识分享.pptVIP

机器学习研究;在过去的十年中，做了什么？;硬软资源的使用;信息的有效使用;信息安全;提高信息使用率;;机器学习;机器学习的研究动力;领域应用驱动;算法驱动;机器学习研究热点的变迁;机器学习计算的说明;三个要求;一致性假设;基于统计的假设;划分;超平面类型;光滑连续超平面作为研究基础;泛化;Duda的泛化能力描述;评述;以划分能力为目标的研究;神经网络---BP算法;统计机器学习理论与SVM;机器学习的统计假设;Vapnik的统计观点;泛化能力;泛化不等式的解释;泛化能力的几何解释(示意图);线性可分问题;线性不可分问题;核技术;SVM;未解决的问题;解决线性不可分问题的方法;两类技术措施的统计解释;集成机器学习动机;集成机器学习;弱分类器;集成;为什么吸引人;Vapnik的贡献;复杂数据分析;复杂数据分析---一类需求;基于统计的数据分析不能满足需求;例如;人们不相信模型;阅读数据的需求;未来十年关键性的研究课题;复杂数据分析的要求;用户需求;应用领域;符号与数值;人类思考的语言倾向;技术方法之一---符号机器学习;基于符号机器学习的数据描述;符号机器学习;符号机器学习的历史;Samuel的贡献;两类最重要的符号机器学习算法;注释;符号机器学习优点;描述;要点;符号机器学习的基础---划分;等价关系的确定;符号机器学习的等价关系;Rough Set理论;知识表示理论;约简理论与符号