Python程序设计：机器学习.pptxVIP

手写数字识别 任务 手写数字识别 任务背景 文件是存储在磁盘等外部存储器上的数据集合。软件、数据、文字、图像、声音、视频等信息均以文件形式存储在计算机的外部存储器中。文件是通过目录来进行组织和管理的，目录提供了指向对应磁盘空间的路径地址。 任务 手写数字识别 任务知识点 人工智能简介 机器学习概述 图像处理理论 知识点：机器学习概述 单击此处添加副标题 机器学习概述 机器学习与人工智能 机器学习是人工智能的一个子方向 机器学习概述 机器学习概念 每个机器学习都可以被精准地定义为： 任务T 训练过程E 模型表现P 学习过程则可以被拆解为「为了实现任务T」，我们「通过训练过程E」，逐步「提高表现P」的一个过程 机器学习概述 机器学习与人类学习过程的差异 机器可以标准化学习过程，取得学习模型，使得结果可迁移复制。 机器可以重大量数据中进行学习，而人类则有更大的限制。 机器更加擅长准确定义问题，人类更擅长复杂且模糊的问题。 对于同一任务，机器和人类的解决思路有差异。 机器学习概述 机器学习中的数据集 数据集：任务中使用的一组数据。 训练集：训练过程中使用的数据集。 测试集：学得模型后进行预测使用的数据。 机器学习概述 机器学习分类 监督学习：利用已知类别的样本，训练得到最优模型，再利用模型对未知数据进行简单判断。 无监督学习：没有标记的样本，算法直接对输入数据集建模 半监督学习：让机器自动对未标记数据进行利用 强化学习：学习系统使信号函数值最大 机器学习概述 数据的清理 数据过滤。 处理数据缺失 处理可能的异常值，错误值 去除重复数据 去除/修改格式错误 数据平衡 机器学习概述 机器学习的复杂度 机器学习其实是在「寻找一个映射函数 f(.)，使得输入x经过f(.)后得到期望的输出y，也就是y=f(x)」。 预先假设[公式]应该符合 f(x)=ax^2 + b形式，那么学习过程就是确定a与b取值的问题。这也是为什么机器学习也可以被理解为优化问题或者参数寻优的过程。 需要用各种优化算法求解，且大部分优化问题是无法得到最佳答案的 机器学习概述 机器学习能否成功的因素 任务T的定义是否明确，有多复杂。 训练E的难度，比如有多少可用数据。 评估标准P是否适合 机器学习概述 机器学习的整体流程 机器学习概述 机器学习的应用 过程应该是迭代式。 用现有的规则系统与建立机器学习系统。 每次尝试解决一个重要小问题 利用现有工具，避免重复开发 机器学习概述 小结 机器学习基本概念 机器学习分类 机器学习的应用 谢谢观看