机器学习（MATLAB版）完整版全套教学课件(共190页PPT).ppt

3.基尼指数与CART 决策树 3.基尼指数与CART 决策树 3.基尼指数与CART 决策树 3.基尼指数与CART 决策树 3.基尼指数与CART 决策树 3.基尼指数与CART 决策树 03 决策树 的MATLAB实现 决策树的MATLAB实现 谢谢观看 新工科建设之路·人工智能系列教材 机器学习(MATLAB 版) 贝叶斯分类器 新工科建设之路·人工智能系列教材 机器学习(MATLAB 版) 第四章 01 贝叶斯分类器的原理 1.贝叶斯决策 1.贝叶斯决策 1.贝叶斯决策 2.朴素贝叶斯算法 2.朴素贝叶斯算法 2.朴素贝叶斯算法 2.朴素贝叶斯算法 2.朴素贝叶斯算法 2.朴素贝叶斯算法 2.朴素贝叶斯算法 3.正态贝叶斯算法 3.正态贝叶斯算法 3.正态贝叶斯算法 3.正态贝叶斯算法 3.正态贝叶斯算法 02 贝叶斯算法的 MATLAB实现 贝叶斯算法的MATLAB实现 谢谢观看 新工科建设之路·人工智能系列教材 机器学习(MATLAB 版) k近邻算法 新工科建设之路·人工智能系列教材 机器学习(MATLAB 版) 第五章 01 k近邻算法的基本原理 1.树模型决策过程 1.树模型决策过程 1.树模型决策过程 2.决策的基本架 2.决策的基本架 2.决策的基本架 3.决策树的剪枝 3.决策树的剪枝 3.决策树的剪枝 3.决策树的剪枝 3.决策树的剪枝 3.决策树的剪枝 3.决策树的剪枝 3.决策树的剪枝 3.决策树的剪枝 3.决策树的剪枝 02 基本决策的改进 基本决策的改进 1.信息增益与ID3 决策树 1.信息增益与ID3 决策树 1.信息增益与ID3 决策树 1.信息增益与ID3 决策树 1.信息增益与ID3 决策树 1.信息增益与ID3 决策树 1.信息增益与ID3 决策树 2.增益率与 C4.5 决策树 2.增益率与 C4.5 决策树 2.增益率与 C4.5 决策树 2.增益率与 C4.5 决策树 2.增益率与 C4.5 决策树 3.基尼指数与CART 决策树 3.基尼指数与CART 决策树 2.机器学习的应用领域与发展简史 2.机器学习的应用领域与发展简史 2.机器学习的应用领域与发展简史 谢谢观看 新工科建设之路·人工智能系列教材 机器学习(MATLAB 版) 线性模型与逻辑斯谛回归 新工科建设之路·人工智能系列教材 机器学习(MATLAB 版) 第二章 01 线性模型的基本形式 线性模型的基本形式 1.线性回归模型的理论基础 1.线性回归模型的理论基础 1.线性回归模型的理论基础 1.线性回归模型的理论基础 1.线性回归模型的理论基础 1.线性回归模型的理论基础 2.线性回归模型的 MATLAB实现 02 逻辑斯谛回归 1.逻斯归的基原理 1.逻斯归的基原理 1.逻斯归的基原理 1.逻斯归的基原理 1.逻斯归的基原理 1.逻斯归的基原理 1.逻斯归的基原理 1.逻斯归的基原理 1.逻斯归的基原理 1.逻斯归的基原理 1.逻斯归的基原理 2.逻辑斯谛回归的MATLAB实现 谢谢观看 新工科建设之路·人工智能系列教材 机器学习(MATLAB 版) 决策树 新工科建设之路·人工智能系列教材 机器学习(MATLAB 版) 第三章 01 决策树的基本原理 1.树模型决策过程 1.树模型决策过程 STM32核心板电路简介 STM32核心板电路简介 03 机器学习算法的分类 1.监督学习与无监督学习 1.监督学习与无监督学习 2.分类问题与回归问题 2.分类问题与回归问题 2.分类问题与回归问题 3.生成模型与判别模型 04 学习模型的评价指标 学习模型的评价指标 1.泛化能力 是指学习算法对新模式的决策能力。先从训练集和测试集说起。训练集就是模型训练所用的样本数据集，集中的每个样本称为训练样本。测试集是指测试模型性能所用的样本数据集，集中的每个样本称作测试样本。测试样本也是假设从样本真实分布中独立同分布采样得到的。一般来说，测试集和训练集应该是互斥的，但假设是同分布的。 机器学习中的误差是指模型给出的预测输出与真值输出之间的差异程度。而训练误差是指模型在训练集上的误差。同理，测试误差是指模型在测试集上的误差。测试误差反映了模型的泛化能力，因此也称为泛化误差。 训练得到的模型不仅要对训练样本具有决策能力，也要对新的(训练过程中未看见的)模式具有决策能力。泛化能力低的模型通常是由于“过拟合”造成的。所谓过拟合，就是模型过于拟合训练数据，以至于模型训练阶段表现很好，但是在测试阶段却表现很差。 模型的泛化能力 2.评估方法 2.评估方法 2.评估方法 3.精度与召回率 3.精度与召回率 3.精度与召回率 3.精度与召回率 05 学习模型的选择 1.正则化技术 1.正则化技术 1.正则化技术 2.偏差—方差分解 2.偏