数据科学技术与应用——基于Python实现（第2版）课件 5-机器学习建模分析.pdf

机器学习建模分析

人工智能

•人工智能（AI，ArtificialIntelligence）

•研究计算机模拟人的某些思维过程和智能行为

（如学习、推理、思考、规划等）

•研究领域包括机器人、机器学习、计算机视觉、

图像识别、自然语言处理和专家系统等

•发展历程

•最初在1956年Dartuth学会上提出

•经过机器推理、专家系统、神经网络等多个发展

阶段

•现阶段

•引领性的战略性技术和新一轮产业变革的核心驱

动力

•应用领域遍布互联网、汽车、智能家居、机器人

机器学习(MachieLearig)

•人工智能重要分支

•起源于20世纪50年代

•美国的阿瑟.萨缪尔研制了一个西

洋跳棋程序，发明了“机器学习”

•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，重新组织已有的知识结构

使之不断改善自身的性能

•数据挖掘、计算机视觉、自然语言处理、语音识别等

人工智能研究领域

•生物医药、金融等应用领域

机器学习的任务

•机器学习方法利用既有的经验，完成某种既定任

务，且在此过程不断改善自身性能

•按照机器学习的任务分为两大类方法

•有监督的学习（SuervisedLearig）

•无监督的学习（UsuervisedLearig）

有监督学习

•利用经验（数据），学习表示事物的模型，关注

利用模型预测未来数据

•分类问题（Cassificati）

•对事物所属类型的判别，类别的数量是已知的

•例：鸭子识别，垃圾邮件分类

•回归问题（Regressi）

•预测目标是连续变量

•例：根据父母身高预测孩子身高

学习分类模型

算法

历史数据

（已知结果）学习模型

应用模型

未知数据

预测结果

无监督学习

•倾向于对事物本身特性的分析，常见问题包括

•数据降维（DiesiaityReducti）

•对描述事物的特征数量进行压缩的方法

•例：从已有的100个特征中选取部分特征表示音乐信号

•聚类问题（Custerig）

•将事物划分成不同的类别，但事先不知道类别的数量，根

据事物之间的相似性，将相似的事物归为一簇

•例：电子商务网站将具有类似背景与购买习惯的用户自动

聚为一类

Pyth机器学习方法库

•Scikit-learn是目前使用最广泛的开源方法库

•基于NuPy、SciPy、Padas和Mattib开发

•封装了大量经典以及最新的机器学习模型

•基本功能分类、回归、聚类、数据降维、模型选择

和数据预处理

•Scikit-learn本身不支持深度学习与GPU加速

•深度学习方法需要使用Tesrfw、Keras、Thea

等Pyth开源框架

•Anaconda已集成了Scikit-learn工具包

•导入即可使用

5.2回归分析

•一种预测性的建模分析技术

•通过样本数据，学习目标变量和自变量之间的因果关系，建立数学表示

模型

•基于新的自变量，预测相应的目标变量

•常用方法

•线性回归（LiearRegressi）

•逻辑回归