2.1机器学习培训.pptxVIP

2.1机器学习

本节课内容概述机器学习研究机器学习类型2.1机器学习

2.1.1概述对于计算机来说，机器学习就是赋予它“主观能动性”。在机器学习技术普及之前，计算机学什么以及能学到什么程度完全取决于设计者教它什么以及教到什么程度。例如棋类游戏，只有程序员把棋谱变成数据，输入计算机之后，计算机才能学会棋谱。

2.1.1概述机器学习技术对于人工智能来说非常重要，机器学习技术的重要意义在于让计算机由原来的“要我学”变成现在的“我要学”，如图所示。在引入机器学习技术之前，计算机的学习速度受限于程序员的输入速度，引入机器学习技术之后，人工智能的学习速度提升到了指数级。

机器学习的定义机器学习是一门人工智能的科学，该领域的主要研究对象是人工智能，特别是如何在经验学习中改善具体算法的性能。机器学习是对能通过经验自动改进的计算机算法的研究。机器学习是用数据或以往的经验，以此优化计算机程序的性能标准。

淘宝拍照搜索打开淘宝在线下的拍照搜索功能拍一张这个小音箱的照片找到这个小音箱的同款123实践1

2.1.1概述在我们搜索一款产品之后，淘宝网页下方会出现商品推荐列表，而且每个用户的推荐列表都是不同的。这依据的是推荐系统后台的用户画像，而用户画像就是大数据和机器学习算法的典型应用，通过挖掘用户的特征，如性别、年龄、收入情况和爱好等，推荐用户可能购买的商品，做到个性化推荐，这也是机器学习算法的应用。

2.1.1概述上面列举的只是机器学习算法应用场景中的一小部分，随着数据的积累，机器学习算法可以渗透到各行各业，并且在行业中发挥巨大的作用。未来随着算法和计算能力的发展，机器学习在金融、医疗、教育、安全等领域会有更深层次的应用。

2.1.2机器学习研究在人工智能体系中，机器学习是一种实现人工智能的方法和手段，即以机器学习为手段解决人工智能中的问题。机器学习理论主要是设计和分析让计算机可以自动学习的算法。

机器学习研究包括以下几个方面学习机理的研究：研究人类学习机制，即人类获取知识、技能和推理的能力。学习方法的研究：研究人类学习过程，探索各种可能的学习方法（手段）。学习系统的建立：根据特定的任务，建立相应的学习系统。

2.1.2机器学习研究如果要求机器能自行通过学习增长知识、改善性能、提高智能水平、具有人类学习的能力，那么机器也要像人类一样具有相应的知识学习系统。这意味着机器要从数据或以往经验中，自动分析以获得规律（建模），并利用规律对未知数据进行预测（解决问题）。机器学习模型如图所示。

2.1.3机器学习类型机器学习的核心是“使用算法分析数据，从数据中学习，然后对未知的某件事情做出决定或预测”。这意味着机器学习不是直接编写程序来执行某些任务，而是指导机器如何获得一个模型来完成任务。

2.1.3机器学习类型机器通过学习可以提取数据规律、创建模型。根据数据类型的不同，与之对应的机器学习类型也不同，主要有监督学习、无监督学习和强化学习等，如图所示。

2.1.3机器学习类型1．监督学习监督学习指有求知欲的学生从老师那里获取知识和信息，老师提供对错指示并告知最终答案的学习过程。监督学习的最终目标是计算机根据在学习过程中所获得的经验和技能，面对没有学习过的问题也可以做出正确解答，并具有这种泛化的能力。此类学习可以应用于手写文字识别、声音图像处理、垃圾邮件分类与拦截、网页检索和基因诊断等。其典型的任务有预测数值型数据的回归、预测分类标签的分类、预测顺序的排序等。

2.1.3机器学习类型监督学习通常涉及一组标记数据，如“有花瓣、有花蕊、有刺”等具有玫瑰花特征的照片，则图像分类标签归类为玫瑰花。然后机器可以使用特定的模式来识别新样本的每种标记类型，如果一朵花满足标记的数据条件，则输出分类标签“就是玫瑰花”。当未知的类型具有标签特征，机器就具有对未知数据进行分类标签的能力。猫的识别分类如图所示。给不同猫的图片标上猫的标记，机器通过学习，当识别一张从来没有看过的猫的图片时，会识别出这是猫。

2.1.3机器学习类型2．无监督学习无监督学习指在没有老师的情况下，学生自学的过程。在机器学习中，计算机在互联网中自动收集信息，获取有用的知识。无监督学习在人造卫星故障诊断、视频分析、社交网站解析和声音解析等方面有广泛的运用，典型的任务有聚类、异常检测等。

2.1.3机器学习类型例如，给机器大量不同形态的老虎和狮子等动物的图片，但事先没有明确分类哪些是老虎，哪些是狮子，也就是没有事先对机器要学习的内容分类，不监督机器学习过程。机器自己根据大量不同形态的老虎和狮子的图片自行获得老虎和狮子的特性，按照相似性将