高教社课件Python程序设计及应用（第2版）第12章.pptxVIP

第12章机器学习及应用

12.1机器学习概述

12.2监督学习的常用算法

12.3应用案例 ;一、概述;1.机器学习的基本概念;2.数据集、训练集、测试集和验证集

数据集：全部样本的集合。

训练集：数据集中，用于训练的样本。

验证集：数据集中，用于评估模型的样本。

测试集：数据集中，用于测试模型的样本。

;2.泛化能力

是指模型对训练集之外的数据进行预测的能力，泛化能力越高则模型越好。

泛化能力是评价模型的主要指标之一。

欠拟合：模型在训练集和测试集上均表现不好。

过拟合：模型在训练集上表现很好，但在测试集中表现较差。

适度拟合：模型在训练集和测试集中均有良好的表现。;2.机器学习的分类;1.监督学习

通过带标签的样本训练模型。常见任务有分类和回归。

（1）分类：样本中的标签是离散的类别。

（2）回归：样本中的标签是连续的数值。;2.无监督学习

训练的样本没有标签。发现数据的内在模式或规律。

（1）聚类：数据集划分为若干个不相交的子集（类别）。

（2）降维：减少特征数量，同时尽可能保留数据的关键信息。

（3）异常检测：识别出与正常数据显著不同的数据点。;3.半监督学习

少量样本带标签，大量样本不带标签。

优点：降低了数据收集和标注的成本，提高了模型的泛化能力。

缺点：增加了模型复杂度，增加了训练时间。;4.强化学习

智能