机器学习原理及应用 课件 第一章 绪论.pptx

第一章绪论;思维导图;1.1机器学习的定义;1.2机器学习的发展历史（1）;深度学习复兴（2010s）：?随着大规模数据集和强大的计算资源的可用性，深度学习在图像识别、自然语言处理、语音识别等领域取得了突破性成果。特别是卷积神经网络（CNN）和循环神经网络（RNN）等架构对这一进展起到了关键作用。

强化学习和自动化（2010s—至今）：?强化学习关注智能体如何在环境中采取行动以最大化累积奖励。这个领域在游戏、机器人控制和金融交易等领域有着广泛应用。

解释性和可解释性（2010s—至今）：?随着机器学习应用的增多，人们开始关注模型的解释性和可解释性。特别是在涉及法律、医疗等对解释性有要求的领域，解释模型的决策过程变得至关重要。;1.3机器学习的分类;1.3.1监督学习;监督学习的流程;1.用于预测离散结果的分类;2.用于预测连续结果的回归;1.3.2无监督学习;1.用聚类寻找子群;2.2.通过降维压缩数据;1.3.3半监督学习;1.3.3半监督学习---自训练（Self-Training）;1.3.3半监督学习---伪标签（Pseudo-Labeling）;1.3.4强化学习;以一个智能体学习在迷宫中找到宝藏为例来说明强化学习的过程：;1.4基本术语与符号（1）;1.4基本术语与符号（2）;1.4基本术语与符号（3）;1.4基本术语与符号（4）;1.4.2基本符号;1.5机器学习的过程;1.6将Python用于机器学习;搭建实验环境;1.6.4用于科学计算、数据科学和机器学习的软件包;1.6.4用于科学计算、数据科学和机器学习的软件包;1.6.4用于科学计算、数据科学和机器学习的软件包;使用scikit-learn库进行鸢尾花分类任务(1);使用scikit-learn库进行鸢尾花分类任务(1);感谢观看