第一章18课件讲解.pptxVIP

第一章绪论主讲：人工智能专业

机器学习的概念PARTONE

人们往往会有这样的经历：看到微雨过后的晚霞，就能预测出明天是一个好天气课堂导入

看到色泽青绿、根蒂蜷缩、敲起来声音浊响的西瓜，就认为是一个好西瓜课堂导入

这是因为在生活中人们已经遇到过很多类似情况，根据生活经验就可以做出有效判断。经验1：看到微雨过后的晚霞，就能预测出明天是一个好天气经验2：看到色泽青绿、根蒂蜷缩、敲起来声音浊响的西瓜，就认为是一个好西瓜课堂导入

机器学习过程与人类通过经验预测未来的过程类似，如图1-1所示。图1-1机器学习与人类思考的类比“历史数据”对应于人类的经验；“模型”对应于人类总结出的规律（即习得的结果）；“训练”对应于人类通过经验归纳出规律的过程；“算法”对应于人类归纳规律时所用的方法。1.1机器学习的概念

1．什么是机器学习机器学习（machinelearning,ML）是研究计算机怎样模拟或实现人类的学习行为，以获取新知识或技能的技术，是一门通过编程让计算机从数据中进行学习的科学。1.1机器学习的概念

在学术界，机器学习还没有一个公认且准确的定义。目前，认可度比较高的定义有如下两个。（1）亚瑟?塞缪尔的定义（2）汤姆·米切尔的定义机器学习是一个研究领域，让计算机无须进行显著式编程就具备学习能力。什么是“显著式编程”？举例说明，假如要让计算机识别菊花和玫瑰花，人为地告诉计算机菊花是黄色的，玫瑰花是红色的。那么，计算机“看到”黄色的花就认为是菊花，“看到”红色的花就认为是玫瑰花，这样的编程方式就是“显著式编程”。但是，如果给计算机一批菊花的图片和一批玫瑰花的图片，然后编写程序，让计算机自己总结出识别菊花和玫瑰花的规律，再来辨认菊花和玫瑰花。这种让计算机自己总结规律的编程方式是“非显著式编程”。一个计算机程序被称为可以学习，是指它针对某个任务T和某个性能指标P，能够从经验E中去学习。这种学习的特点是，它在T上的被P所衡量的性能，会随着经验E的增加而提高。在识别菊花和玫瑰花的例子中，任务T就是编写计算机程序识别菊花和玫瑰花；经验E就是给计算机输入一批菊花和玫瑰花的图片；而性能指标P可以认为是能正确识别菊花和玫瑰花的概率。综合分析学者们的描述，机器学习可以这样理解：机器学习（machinelearning,ML）是研究计算机怎样模拟或实现人类的学习行为，以获取新知识或技能的技术，是一门通过编程让计算机从数据中进行学习的科学。1.1机器学习的概念

1．亚瑟·塞缪尔的定义机器学习是一个研究领域，让计算机无须进行显著式编程就具备学习能力。案例：判断水果是苹果还是香蕉“显著式编程”指的是我们传统的编程方式。自己编写代码定义好规则：（1）If颜色是红色或绿色、并且形状是圆形，那就是苹果；（2）IF如果颜色是黄色、形状是弯曲的，那就是香蕉（3）...局限性:规则会非常复杂、死板，遇到没见过的情况（比如一个绿色的香蕉）就会失败。1.1机器学习的概念

1．亚瑟·塞缪尔的定义机器学习是一个研究领域，让计算机无须进行显著式编程就具备学习能力。案例：判断水果是苹果还是香蕉“具备学习能力”：（1）给计算机提供成千上万张标注好是“苹果”或“香蕉”的图片；（2）计算机自己从这些数据中寻找规律和模式；（3）根据用计算机自己的“判断方法”来预测这是什么水果。1.1机器学习的概念

2．汤姆·米切尔的定义一个计算机程序被称为可以学习，是指它针对某个任务T和某个性能指标P，能够从经验E中去学习。这种学习的特点是，它在T上的被P所衡量的性能，会随着经验E的增加而提高。三个核心部分：任务（T）、性能指标（P）和经验（E）。核心思想：一个程序通过经验E，在任务T上的表现（由指标P衡量）得到了提升，我们就说它在学习。1.1机器学习的概念

2．汤姆·米切尔的定义一个计算机程序被称为可以学习，是指它针对某个任务T和某个性能指标P，能够从经验E中去学习。这种学习的特点是，它在T上的被P所衡量的性能，会随着经验E的增加而提高。任务(T)：识别一张图片中是猫还是狗。（“分类”任务）性能指标(P)：准确率，指正确分类的图片比例。经验(E)：包含大量图片的数据集，每张图片都带有“猫”或“狗”的标签。案例：猫狗分类1.1机器学习的概念

2．汤姆·米切尔的定义一个计算机程序被称为可以学习，是指它针对某个任务T和某个性能指标P，能够从经验E中去学习。这种学习的特点是，它在T上的被P所衡量的性能，会随着经验E的增加而提高。如何用定义理解：学习前：可能只会根据颜色猜（比如看到棕色就猜是狗）。学习后：能识别出耳朵形状、鼻子、胡须等复杂特征，准确率从60%提升到了95%。图像识别程序通过观察海量的带标签的猫狗图片（经验E）