机器学习算法与实践 第1章 机器学习概述.ppt

1.4机器学习示例自动驾驶机器翻译游戏中的人工智能1.4.1自动驾驶“自动驾驶”这个词最早来自于飞机、列车、航运领域的辅助驾驶系统。它的广义定义为：自动驾驶是无须人工的持续干预下，用于自动控制交通工具行驶轨迹的系统。上层控制：路线规划，交通分析，交通安排。中层控制：无提示表，路障监测，遵守交规。底层控制：巡航控制，防抱死，电子系统控制牵引力，燃油喷射系统，引擎调谐。1.4.2机器翻译机器翻译，即通过计算机将一种语言的文本翻译成另一种语言，已成为目前解决语言屏障的重要方法之一。神经网络模型首先需要将源语言和目标语言的词语转化为向量表达，随后用循环神经网络对翻译过程进行建模，如图所示。通常会先使用一个循环神经网络作为编码器，将输入序列（源语言句子的词序列）编码成为一个向量表示，然后再使用一个循环神经网络作为解码器，从编码器得到的向量表示里解码得到输出序列。1.4.3游戏中的人工智能AlphaGo的成功之处在于完美集成了深度神经网络、有监督学习技术、强化学习技术和蒙特卡洛树搜索算法。1.5本章小结本章首先阐述了人工智能与机器学习之间的联系；介绍了机器学习的定义、发展历史、分类等相关基础知识，学习了Python语言、第三方工具库以及编译环境等机器学习工具；最后，列举了几个当前比较热门的机器学习应用实例。*第一章机器学习概述机器学习（MachineLearning，ML）是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科，专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，使之不断改善自身的性能。机器学习发展极迅速，目前已经成为一个广袤的学科。1.1人工智能与机器学习 人工智能（artificialintelligence，AI）泛指让机器具有人的智力的技术。人工智能是一个宽泛的技术领域，包括自然语言理解、计算机视觉、机器人、逻辑和规划等，它可以被看作计算机专业的子领域。1.2机器学习的概念机器学习的一个主要目的就是把人类思考和归纳经验的过程转化为计算机对数据的处理，计算得出模型的过程。经过计算得出的模型能够以近似于人的方式解决更为复杂的问题。简单地理解，机器学习就是指计算机通过观察环境，与环境交互，在吸取信息中学习、自我更新和进步。机器学习算法是一种能够从数据中学习的算法。关于其中“学习”的定义，参照TomMitchell在1997年出版的MachineLearning一书中提供的定义：“对于某类任务T和性能度量P，一个计算机程序被认为可以从经验E中学习是指，通过经验E改进后，它在任务T上由性能度量P衡量的性能有所提升。”1.2.1机器学习的定义20世纪初至60年代初期的萌芽期20世纪60年代至80年代的摸索期20世纪90年代到目前的崛起期1.2.2机器学习的发展从学习方式上（1）监督学习（SupervisedLearning）（2）无监督学习（UnsuperisedLearning）（3）半监督学习（Semi-supervisedLearning）（4）强化学习（ReinforcementLearning）1.2.3机器学习的分类从算法功能上（1）分类（Classification）（2）回归（Regression）（3）聚类（Cluster）（4）降维（Dimensionalityreduction）1.2.3机器学习的分类1.3机器学习工具Python语言第三方工具库编译环境库的下载与安装1.3.1PYTHON语言Python是一种开源的、解释型、面向对象的编程语言。Python的特点如下：简单易学解释型语言面向对象免费和开源跨平台和可移植性丰富的标准库可扩展性和可嵌入性1.3.2第三方工具库Python语言除了自身具备的优点外，还具有大量优秀的第三方函数模块，对学科交叉应用非常有帮助。（1）操作系统管理与维护（2）科学计算与数据可视化（3）图形用户界面（GUI）开发（4）文本处理（5）网络编程及Web开发（6）数据库编程（7）游戏开发1.3.3编译环境Python是跨平台的，可以运行在Windows、Mac和Linux/Unix等操作系统上Python的下载与安装（/downloads/windows/）1.3.3编译环境（1）定制安装Python（2）Python选定特性设置1.3.3编译环境（3）Python高级选项设置（4）Python安装进行中1.3.3编译环境（5）Python成