第一章26课件讲解.pptxVIP

第一章WPS,aclicktounlimitedpossibilities汇报人：人工智能专业绪论

机器学习的类型PARTONE

从学习过程来看，机器学习可分为监督学习（supervisedlearning）、无监督学习（unsupervisedlearning）、半监督学习（semi-supervisedlearning）、强化学习（reinforcementlearning）和深度学习（deeplearning）。1.3.1按学习的过程分类

监督学习是从带有类别标签（label）的训练数据中学得一个模型，并基于此模型预测新样本标签的一种学习方式，是机器学习中使用最广泛的一种类型。1．监督学习无监督学习是机器学习的另一大类学习方法，是在无标签的训练样本中发现数据规律的一种学习方式。2．无监督学习半监督学习是监督学习与无监督学习结合在一起的一种学习方法。3．半监督学习强化学习是机器学习中一个较新的领域，它能根据环境的改变而改变，从而获取最大的收益。4．强化学习深度学习的概念来源于对人工神经网络的研究，其模型结构是一种含多隐层的神经网络。5．深度学习1.3.1按学习的过程分类

高手点拨半监督学习方法训练模型时，可以先利用有标签的样本训练出一个模型，用这个模型去预测新的数据，然后询问专家，再将这个样本变为有标签样本；把这个新获得的有标签的样本加入训练集后重新训练一个模型，再去预测，依次重复，若每次都能预测出对改善模型性能帮助较大的数据，则只需询问专家较少的次数就能构建出较强的模型，从而大幅度降低标记成本。1.3.1按学习的过程分类

1．回归回归属于监督学习，最初是统计学中的一种方法，用来预测某个变量的变化趋势，其预测结果是连续的值，如预测房价、预测股价等。若一个产品的实际价格为300元，通过回归分析预测值为299元，则认为这是一个比较好的回归分析。回归是对真实值的一种逼近预测。在机器学习领域中，回归任务的实现需要先对数据样本点进行拟合，再根据拟合出来的函数对输入的新数据进行输出预测，如图1-5所示。图1-5中，圆点表示带有标签的训练数据；回归曲线表示经过训练后获得的回归函数或回归模型。若该回归任务表示对商品价格走势的预测（x表示年份，y表示商品价格），则由回归函数可以预测未来某年的商品价格。图1-5回归任务1.3.2按完成的任务分类

1．回归房屋面积（平方米）房屋年龄（年）卧室数量（间）最近地铁站距离（千米）价格（万元）8031103001208355002005412700回归任务就是预测连续的数值，不是类别房屋价格预测1.3.2按完成的任务分类

2．分类分类是通过在已有数据的基础上进行学习，得到一个分类模型，该模型可以将待分类的数据集映射到某个给定的类别中，从而实现数据分类。其中，分类模型也称为分类器。在机器学习领域，分类任务的实现需要先利用已有数据训练一个分类模型（类似于数据样本中的分界线），然后对输入的新数据进行预测，即根据分界线对新数据进行分类，如图1-6所示。图1-6中，实心的正方形和圆表示带有标签的训练数据；分界线表示经过训练后获得的分类模型；空心的正方形和圆表示对输入的新数据进行预测。图1-6分类任务1.3.2按完成的任务分类

2．分类二分类：猫狗分类多分类：0-9数字识别分类任务就是预测离散的数值，预测类别1.3.2按完成的任务分类

3．聚类聚类属于无监督学习，是按照某个特定标准把一个数据集分割成不同的类，使得同一类中的数据对象之间相似性尽可能大，不同类中的数据对象之间差异性也尽可能大。聚类任务中，每个类称为一个簇。聚类任务常用于对目标群体进行多指标划分，如图1-7所示。例如，现有多个客户的购物记录数据，且未对数据进行标记，通过聚类任务可将具有相同购物习惯的客户汇聚成类，不同类中的客户购买的商品种类不同，店铺运营即可根据该反馈信息向客户推荐相关商品。图1-7聚类任务数据分布（聚类前）数据分布（聚类后）1.3.2按完成的任务分类

指点迷津由于聚类任务中的数据没有标签，所以不知道输入数据的输出结果是什么，但是可以清晰地知道输入数据属于数据的哪一类。1.3.2按完成的任务分类

1.从学习过程来看，机器学习可分为？2.从机器学习完成的任务来看，机器学习可分为？课堂训练

机器学习的类型：1.按学习的过程分类2.按完成的任务分类课堂小结

THANKSFORYOURWATCHINGWPS,aclicktounlimitedpossibilities汇报人：人工智能专业感谢观看