人工智能通识基础与应用课件 (2).pptxVIP

人工智能通识基础与应用;目录;;统计学习(StatisticalLearning)属于一种学习方法，它是依据数据来构建概率统计模型，进而运用

所构建的模型对数据开展预测以及分析工作的。统计学习的方法涵盖了模型的假设空间、模型选择的

准则以及模型学习的算法等方面，而这些方面的内容也被称作统计学习方法的三要素。一般实现统计学习包括以下简单的6步：

(１)准备有限的训练数据集。

(２)获取包含所有可能模型的假设空间，即学习模型的集合。

(３)确定模型选择的准则，即学习的策略。

(４)实现最优模型的算法，即学习的算法。

(５)通过学习方法选择最优模型。

(６)利用学习的最优模型对新数据进行预测或分析。

统计学习的方法非常丰富，这里仅介绍逻辑回归、支持向量机和提升方法。

;;在逻辑回归模型中，输出Y=1的对数几率是输入x的线性函数。或者说，输出Y=1的对数几率是由输入x的线性函数表示的模型，即逻辑回归模型。考虑对输入x进行分类的线性函数w·x，其值域为实数域。通过逻辑回归模型定义，可以将线性函数w·x转换为概率。线性函数的值越接近正无穷，概率值就越接近1；线性函数的值越接近负无穷，概率值就越接近0。;;线性可分支持向量机的基本思想可用左图来说明。

图中，“O”表示正例，“×”表示反例。训练数据集线性

可分，有多条直线能将两类数