人工智能基础与应用（第2版）（微课版）课件 模块4 分门别类：帮你“分而治之”.pptx

4-1分类器模块?分门别类：帮你“分而治之”

目录CONTENTS什么是分类器01分类器如何工作02

一.什么是分类器1.概念分类器：分类是人工智能的一种重要方法，是在已有数据的基础上学习出一个分类函数或构造出一个分类模型，该函数或者模型就是一个能完成分类任务的人工智能系统，即人们通常所说的分类器。。数据集分类器给定的某个类型

二.分类器如何工作1.一般工作过程三个关键要素：1样本特征2正负样本3分类器类型

二.分类器如何工作2.三个概念（1）样本特征。样本特征提取是分类器工作的首要任务，如果待分类对象没有提取特征，也就没有分类的依据，就无从辨别对象的种类。综合考虑关联对象的差异，提取出有效的特征，让分类器准确工作。（2）正、负样本。针对分类问题，正样本是指想要正确分类出的类别所对应的样本，负样本是指不属于这一类别的样本。既要考虑正样本，又要根据实际工作场景，合理选取足够多的负样本，保证模型训练效果。（3）分类器。分类器通过学习得到一个目标函数或模型（以下统称为模型），它能把样本的特征集X映射到一个预先定义的类别号y。

二.分类器如何工作2.三个概念那么，机器学习中，常见的分类器有哪些呢

人工智能基础与应用Thankyouverymuch!

4-2几种主要的分类器模块?分门别类：帮你“分而治之”

目录CONTENTS决策树01k近邻分类器03贝叶斯分类器02神经网络05支持向量机04

一.决策树概念决策树（decisiontree）：用于决策的一棵“树”，它从根节点出发，通过决策节点对样本的不同特征进行划分，按照结果进入不同的选择分支，最终到达某一叶子节点，获得分类结果。垃圾邮件分类决策树：

二.贝叶斯分类器1.概念贝叶斯分类器（bayesclassifier）：就是对于给定的分类项，利用贝叶斯定理，求解该分类项在预先给定条件下各类别中出现的概率，哪个概率最大，就将其划分为哪个类别。贝叶斯定理公式：

二.贝叶斯分类器2.举例用贝叶斯分类器来判定垃圾邮件：?x=[1,0]分别表示正常邮件和垃圾邮件E:由n个关键词组成的邮件

三.k近邻分类器概念k近邻（k-NearestNeighbor，KNN）分类器:把每个具有n个特征的样本看作n维空间的一个点，对于给定的新样本，先计算该点与其他点的距离（相似度），然后将新样本指派为周围k个最近邻的多数类。什么形状的物体

四.支持向量机1.概念支持向量机（SupportVectorMachine，SVM）：基本思想是通过非线性映射，把样本空间映射到一个高维的特征空间，将原本样本空间线性不可分的问题，转化成在高维空间通过线性超平面将样本完全划分开的问题。不可分：可分：

四.支持向量机1.原理超平面离直线两边的数据的间隔越大，对训练集的数据的局限性或噪声有最大的容忍能力，也就是所谓的鲁棒性。支持向量机就是要找到使这个间隔最大的决策超平面。

五.神经网络1.概念?神经网络（NeuralNetwork）?是一种模仿动物神经网络行为特征进行分布式并行信息处理的算法数学模型。权重值w激活函数φ加权求和及函数sgn处理神经网络基本结构：

人工智能基础与应用Thankyouverymuch!

4-3项目1—识别猫狗模块?分门别类：帮你“分而治之”

目录CONTENTS提出问题01预备知识03解决方案02任务1—样本数据预处理04任务3—评估模型效果06任务2—构建及训练KNN模型05

一.提出问题问题描述对于人类来说，可以很容易识别身边的猫和狗，这是人类视觉经千万年演变进化的结果。但对于计算机而言，想让它识别一个图像上的猫和狗就不那么容易了。如何能让计算机识别出下图中的猫和狗呢？

二.解决方案1.选择分类器选用KNN其核心思想是：如果一个样本在特征空间中的k个最近邻中的多数属于某个类别，则该样本也属于这个类别。通常采用欧氏距离来计算两样本之间的距离大小，并据此找到某样本的k个最近邻。猫或狗？K个最近邻中，多数是猫K个最近邻中，多数是狗

二.解决方案2.解决方案

三.预备知识1.图像灰度化灰度化实现代码：

三.预备知识2.欧氏距离点X与点Y之间的欧氏距离等于各特征值之差的平方和的平方根用KNN算法计算两个样本之间的距离，以此来判定某个样本周围哪些邻居离它是最近的或者是最相似的。欧氏距离是常用的一种计算公式。样本X与样本Y之间的欧氏距离等于各特征值之差的平方和的平方根

三.预备知识3.KNN算法的主要参数点X与点Y之间的欧氏距离等于各特征值之差的平方和的平方根

三.预备知识4.分类性能度量指标（1）真正（TruePositive，TP）：被模型预测为正的正样本。（2）假正（FalsePosit