机器学习基础知识教学培训资料.docxVIP

机器学习基础知识教学培训资料

1.什么是机器学习？

定义：机器学习是人工智能的一个子领域，致力于研究如何使计算机系统利用经验（数据）来改进性能（学习）。

核心思想：计算机程序通过经验E获得学习，基于学习结果，当遇到新的情境时，性能P会发生改变，即P会提高。

与传统编程的区别：

传统编程：明确编写指令，告诉计算机每一步如何完成任务。

机器学习：提供数据和期望的结果或目标，让计算机自己从中学习规律（模型），并利用模型进行预测或决策。

2.机器学习能做什么？

机器学习广泛应用于：

预测：房价预测、股票预测、销量预测、疾病风险预测等。

分类：图片识别（猫狗）、文本情感分析、垃圾邮件过滤、用户行为分类等。

聚类：客户细分、图像分割、异常检测、主题发现等。

生成：图像生成、文本生成、音乐生成等。

推荐：电商平台商品推荐、视频网站内容推荐等。

3.数据：机器学习的基础

没有数据，机器学习无从谈起。

3.1数据集类型

训练集：用于训练模型，让模型学习数据中的模式。

验证集（开发集）：用于调整模型超参数、选择模型结构和防止过拟合。在训练过程中用来评估模型性能并进行调优。

测试集：用于评估最终训练好的模型的泛化能力（对未知数据的适应能力）。应该只在修改模型和训练完成后使用一次。

3.2特征(Feature)

特征是数据集中的输入变量或属性，用于描述数据对象。例如，描