人工智能导论：机器学习PPT教学课件.pptxVIP

机器学习第五章

知识结构

知识目标1.了解机器学习的应用领域。2.掌握机器学习的概念、相关术语、分类和应用场景。3.理解有监督学习模型和无监督学习模型。4.掌握分类任务和回归任务的基本思想与实现方法。

能力与素养目标1.能够构建对应的机器学习模型,并懂得如何调整为最优解。2.能够很好地掌握机器学习的几种核心算法,解决实际回归与分类问题。

专题拓展阅读(1)随着人工智能技术的发展,人们的物质生活水平和消费方式都发生了翻天覆地的变化。曾经我们所看到的信息都不是通过个性化筛选出来的,难免会掺杂着自己不喜欢的东西。现阶段人们生活节奏变快,企业竞争压力大,为了更好地为用户提供服务,帮助用户节省时间,获取自身感兴趣的东西,越来越多的公司通过采用个性化推荐技术,来辅助用户更快地发现自己喜欢的东西。日常生活中我们使用的互联网产品都会涉及推荐系统,比如在线浏览商品时,推荐系统会记下用户的喜好,然后为用户推荐同类型或者可能感兴趣的商品;在线浏览新闻时,推荐系统会根据历史浏览的内容为用户推荐同类型的新闻。推荐系统目前是机器学习中的一个重要的应用。

专题拓展阅读(2)据北京青年报2021年11月18日消息,澳大利亚国立大学学者发表的一项研究显示,一个人血压升高,即使在正常范围内,也会加速大脑老化。在这项研究中,研究者通过机器学习方法估算了大脑年龄。结果发现,一个人如果血压保持得好,大脑至少比实际年龄年轻半岁。而那些血压升高的人,大脑通常会变老且不健康,并增加脑卒中、痴呆风险。即使只是在正常范围内的血压升高,也会让大脑变老,并伴有增加其他健康问题的风险。

专题拓展阅读(3)科技日报记者2021年7月21日从中国科学院云南天文台获悉,该台研究人员首次利用机器学习方法预测日冕软X射线波段辐射。他们采用一种机器深度学习方法———人工智能卷积神经网络,统计分析配对数据,建立了观测的映射模型。研究表明,这个模型能构造出与真实观测一致的软X射线数据,该方法比传统方法利用极紫外日冕观测反演日冕微分辐射测量再预测软X射线观测更便捷、更精确。

日冕——自然现象日冕(solarcorona)，一种自然现象，是指太阳大气的最外层（其内部分别为色球层和光球层），厚度达到几百万公里以上。色球层之外为日冕层，它温度极高，日冕温度有100万摄氏度，粒子数密度为1015/m3。日冕上有冕洞，而冕洞是太阳风的风源。日冕只有在日全食时或通过日冕仪才能看到，其形状随太阳活动大小而变化。在太阳活动极大年，日冕的形状接近圆形，而在太阳活动极小年则呈椭圆形。

点击以上图标观看微课视频：拓展机器的学习微课

专题拓展阅读机器学习(machinelearning)是指从数据中提取知识。它是统计学、人工智能和计算机科学交叉的研究领域,也被称为预测分析(forecastinganalysis)或统计学习(statisticallearning)。近年来,机器学习方法已经应用到日常生活的方方面面。从自动推荐看什么电影、选什么食物、买什么商品,到个性化的在线电台和从照片中识别好友,许多现代化网站和设备的核心都是机器学习算法。当你访问像Facebook、Amazon或Netflix这样的复杂网站时,很可能网站的每一部分都包含多种机器学习模型。除了商业应用之外,机器学习也对当前数据驱动的研究方法产生了很大影响。有关机器学习方面的工具均已应用在各种科学问题上,比如研究恒星、寻找遥远的行星、发现新粒子、分析DNA序列,以及提供个性化的癌症治疗方案。

Facebook——Meta公司旗下互联网社交产品脸谱网是一个社交网络服务网站，于2004年2月4日上线。从2006年9月到2007年9月间，该网站在全美网站中的排名由第60名上升至第7名。同时Facebook是美国排名第一的照片分享站点，每天上载八百五十万张照片。据报道，Facebook首席执行官马克·扎克伯格2021年6月25日在法国表示，Facebook的活跃用户数量将在2022年某个时候达到10亿人。随着用户数量增加，Facebook的目标已经指向另外一个领域：互联网搜索。

专题拓展阅读本章将解释机器学习如此流行的原因,探讨机器学习可以解决哪些类型的问题,并展示如何构建第一个机器学习模型,同时介绍一些重要的概念。因此,本章将从机器学习的概念入手,先介绍机器学习的相关术语、分类和应用场景,然后介绍机器学习的几种学习方法,即有监督学习、无监督学习、半监督学习和强化学习,其中重点介绍有监督学习和无监督学习。

目录5.1机器学习的基础知识5.2有监督学习5.3无监督学习5.4半监督学习5.5强化学习5.6机器学习案例

机器学习的基础知识5.1

5.1机器学习的基础知识随着计算机性能的大幅提升和可用数据量的不断增加,机器学习得到了飞速的发展。它利