统计机器学习：监督学习-AI.pdf

人工智能：模型与算法 统计机器学习：监督学习 吴飞 浙江大学计算机学院 提纲 1、机器学习基本概念 2 、线性回归 3 、提升算法(Ada Boost) 机器学习: 从数据中学习知识 { }  Person  Dog  … 1. 原始数据中提取特征 图像数据 类别分类 2. 学习映射函数 3. 通过映射函数将原始 {car, money, drive,…}  喜悦 数据映射到语义空间，  愤怒 即寻找数据和任务目标  … 之间的关系 文本数据 情感分类 机器学习的分类 监督学习(supervised learning) 数据有标签、一般为回归或分类等任务 半监督学习 (semi-supervised learning) 无监督学习(un-supervised learning) 数据无标签、一般为聚类或若干降维任务 强化学习(reinforcement learning) 序列数据决策学习，一般为与从环境交互中学习 机器学习：分类问题 人员 数 身体 会编 嗓门大 学 好 程 好 映射函数 程序员 Yes No Yes Yes A 从数据 模式 作家A No No Yes No 中学习 程序员 Yes Yes No No B 数学好= Yes, 会编程= Yes, 身体好=? ，嗓门大=? … … … … … 医生A Yes Yes Yes Yes → 程序员 程序员 Yes Yes Yes Yes C 程序员 Yes Yes Yes No D 类别 标签数据 监督学习的重要元素 标注数据  标识了类别信息的数据 学习模型  如何学习得到映射模型 损失函数  如何对学习结果进行度量