机器学习-1-绪论.pptxVIP

智能科学与技术系 刘冀伟;主要参考书;考核方式;;;机器学习领域奠基人之一、美国工程院院士T. Mitchell教授在其经典教材《Machine Learning》中所给出的机器学习经典定义为“利用经验来改善计算机系统自身的性能”。 ;机器学习主要是设计和分析让计算机可以自动“学习”的算法。学习算法是一类从数据中自动分析获得规律，利用规律对未知数据进行预测的算法。;例：;;问题域 图像识别腐蚀预测温度预测交通状态;一、特征空间;学习(训练)数据：在训练过程中使用的数据称为训练数据，每一个样例称为训练样本，全体训练样本集合称为训练集(training set)。;35;西瓜问题的所有布尔表达式表达：假设空间;五、归纳偏好（奥卡姆剃刀、没有免费午餐）;以上两个例子给我们提出了新的问题-如何在版本空间获得模型？ 在机器学习算法学习的过程中对某种假设???偏好称为归纳偏好。;;一、经验误差与过拟合;二、评估方法;自助法(bootstrapping)：;对学习器的泛化性能评估需要评价标准，这就是性能度量(performance measure)，如常用的均方误差(mean squared error);2、查准率、查全率和F1：;宏查准率、宏查全率和宏F1：;2、ROC与AUC：;;机器学习是人工智能发展到一定阶段的必然产物。;27;28;29;30;31;32;33;34;35;36;37;38;39;40;二、机器学习的应用现状;2回归算法应用场景实例 2.1 机场客流量分布预测 2.2 音乐流行趋势预测 2.3 需求预测与仓储规划方案 2.4 新浪微博互动量预测 2.5 货币基金资金流入流出预测 2.6 电影票房预测 2.7 农产品价格预测分析 2.8 基于多源数据的青藏高原湖泊面积预测 2.9 微博传播规模和传播深度预测 2.10 鲍鱼年龄预测;3聚类算法应用场景实例 3.1 基于用户位置信息的商业选址 3.2 中文地址标准化处理 3.3 国家电网用户画像 3.4 非人恶意流量识别 3.5 求职信息完善 3.6 搜索引擎查询聚类以进行流量推荐 3.7 生物种群固有结构认知 3.8 保险投保者分组 3.9 网站关键词来源聚类整和 3.10 图像分割;作业一: 根据自己的理解设计一个应用机器学习技术的具体应用的例子