KNN模型机器学习08课件讲解.pptxVIP

机器学习徐国清KNN模型河南工业职业技术学院

发展历史“机器学习作为人工智能的核心领域，对现代科技的发展产生了深远影响，理解其发展历程，能帮助我们更好地把握这一学科的脉络，为后续的学习和研究奠定坚实基础”。

发展历程的四个阶段机器学习起源诞生突破深度学习的崛起

机器学习的起源机器学习的起源可以追溯到早期数学领域的研究。贝叶斯定理基于观察到的现象进行概率分布的推断。最小二乘法最初它被称为回归分析法，后来被应用于机器学习图灵测试艾伦?麦席森?图灵提出图灵测试，旨在判断计算机是否具有智能，这为人工智能和机器学习的发展提供了重要的理论基石。

机器学习的诞生1956年达特茅斯会议讨论了机器如何实现智能的问题，这次会议被认为是人工智能和机器学习领域的起点。1957年康奈尔大学教授罗森布拉特提出简单的前向人工神经网络——感知器，它开创了有监督学习的先河。1967年Cover和Hart提出KNN算法即k近邻算法，它是数据挖掘中常用且简单的算法之一。

机器学习的诞生1969年马文?明斯基和西蒙·派珀特研究线性不可分问题出版《感知机》一书，对解决问题的算法能力和计算复杂性提出的重要观点。“同时明斯基结合人工智能和机器人技术开发的RobotC，也推动了机器人技术的发展”。

机器学习的突破20世纪80年代，机器学习迎来快速发展期1982年，萨塔西瓦姆首次提出Hopfield网络。1986年，米切尔等人利提出基于解释的概括化统一框架。美国贝尔实验室的杨立昆教授提出广受欢迎的卷积神经网络CNN计算模型。

机器学习的突破1990年代，机器学习算法不断创新。1995年弗洛伊德等人开发AdaBoost算法。1996年利奥?布雷曼提出名为Bagging的集成学习算法。1997年长短期记忆网络模型被提出。2001年布赖曼进一步提出集成决策树模型——随机森林。

机器学习的突破进入21世纪，机器学习迎来新的发展高潮。集成学习随机森林和XGBoost等算法得到广泛关注和研究。随机森林通过构建多个决策树并集成结果；XGBoost同样作为集成学习方法，在诸多领域表现优异。

机器学习的突破深度学习在这一时期取得重大突破，在图像识别、语音处理和自然语言理解等领域成果显著。2006年，深度置信网络被提出，为深度学习的发展奠定了基础。

机器学习的突破当代机器学习发展更为迅速，应用领域不断拓展。迁移学习成为热门方向。强化学习强化学习也展现出强大潜力，它使代理在与环境互动中学习实现目标的方法。

“回顾机器学习的发展历史，从早期数学理论铺垫，到一个个关键算法和模型的提出，再到如今广泛应用于各个领域，其发展历程充满了创新与突破”。

机器学习徐国清KNN模型河南工业职业技术学院