人工智能应用基础第2版课件 4-2 机器学习.pptx

4.2机器学习

4.2机器学习机器学习是通过计算模型和算法从数据中学习规律的一门学问，在各种需要从复杂数据中挖掘规律的领域中有很多应用，已成为当今广义的人工智能领域最核心的技术之一。4.2.1机器学习的发展历程虽然机器学习这一名词以及其中某些零碎的方法可以追溯到1958年甚至更早，但真正作为一门独立的学科要从1980年算起，在这一年诞生了第一届机器学习的学术会议和期刊。到目前为止，机器学习的发展经历了3个阶段∶深度学习时期2012年之后萌芽时期1980年代蓬勃发展期1990-2010年代

4.2机器学习4.2.2机器学习的原理框架机器学习，即通过自主学习大量数据中存在的规律，获得新经验和知识从而提高计算机智能，使得计算机拥有类似人类的决策能力。机器学习中需要解决的最重要的4类问题是预测、聚类、分类和降维。基于学习形式的不同，通常可将机器学习算法分为监督学习、无监督学习、半监督学习以及强化学习四类。指用打好标签的数据训练预测新数据的类型或值。即给学习算法提供标记的数据和所需的输出，对于每一个输入，学习者都被提供了一个回应的目标。监督学习被用于解决分类和回归的问题。01在数据没有标签的情况下做数据挖掘，无监督学习主要体现在聚类。即给学习算法提供的数据是未标记的，并且要求算法识别输入数据中的模式，主要是建立一个模型，对输入的数据进行解释，并用于下次输入。无监督学习的典型方法有K－聚类及主成分分析等。02可以理解为监督学习和无监督学习的混合使用。事实上是学习过程中有标签数据和无标签数据相互混合使用。一般情况下无标签数据比有标签数据量要多得多。03指通过与环境的交互获得奖励，并通过奖励的高低来判断动作的好坏进而训练模型的方法。04监督学习无监督学习半监督学习强化学习

谢谢观看