《图说图解机器学习（第2版）》高职人工智能入门全套教学课件

人工智能基础

00.人工智能001.pptx01.机器学习001.pptx02.Knime.pptx03.你需要的统计学.pptx04.简单线性回归实战.pptx05.多元线性回归实战.pptx06.逻辑回归基本概念.pptx07.逻辑回归实战.pptx08.模型训练与比较.pptx09.支持向量机.pptx10.支持向量机实战.pptx11.决策树.pptx12.决策树实战.pptx13.决策树进阶.pptx14.贝叶斯分析.pptx15.深度学习概述.pptx16.深度学习图像识别原理概述.pptx17.深度学习图像识别简单应用.pptx18.自然语言处理.pptx19.大语言模型.pptx全套可编辑PPT课件本课件是可编辑的正常PPT课件人工智能基础

--人工智能概述本课件是可编辑的正常PPT课件你期望通过本课程学到什么？人工智能基础人工智能算法深度学习技术python实现ABCD提交投票最多可选4项本课件是可编辑的正常PPT课件你认为本课程主要难点在哪里数学英语python实现算法理解ABCD提交投票(匿名)最多可选4项本课件是可编辑的正常PPT课件大纲人工智能简史人工智能是什么人工智能能干什么123本课件是可编辑的正常PPT课件大纲人工智能简史1本课件是可编辑的正常PPT课件人工智能简史科幻电影中的人工智能

人类的好帮手？人类的终结者？人类的朋友？如何与人工智能相处?本课件是可编辑的正常PPT课件人工智能简史本课件是可编辑的正常PPT课件人工智能简史--初创期初创期：1940s

--

1950s一系列科学进展交汇的产物神经学研究发现大脑是由神经元组成的电子网络，其激励电平只存在“有”和“无”两种状态，不存在中间状态。维纳的控制论描述了电子网络的控制和稳定性。克劳德•香农提出的信息论则描述了二进制数字信号。图灵的计算理论证明数字信号足以描述任何形式的计算。这些密切相关的想法暗示了构建电子大脑的可能性。本课件是可编辑的正常PPT课件人工智能简史--初创期初创期：1940s

--

1950sIBM702:第一代AI研究者使用的电脑.本课件是可编辑的正常PPT课件人工智能简史--初创期初创期：1940s--1950s跳棋，国际象棋达到资深业余选手水平AI诞生的标志：1956年达特矛斯会议上AI的名称和任务得以确定会议提出的断言之一是“学习或者智能的任何其他特性的每一个方面都应能被精确地加以描述，使得机器可以对其进行模拟。”2006年，会议五十年后，当事人重聚达特茅斯。左起：摩尔，麦卡锡，明斯基，赛弗里奇，所罗门诺夫本课件是可编辑的正常PPT课件人工智能简史--黄金年代黄金年代：1956–1974计算机可以解决代数应用题，证明几何定理，学习和使用英语研究者们在私下的交流和公开发表的论文中表达出相当乐观的情绪，认为具有完全智能的机器将在二十年内出现使用一些图论的方法本课件是可编辑的正常PPT课件人工智能简史--黄金年代黄金年代：1956–1974搜索算法广度优先算法小心翼翼，左顾右盼深度优先算法鲁莽向前，错了重来本课件是可编辑的正常PPT课件人工智能简史--黄金年代黄金年代：1956–1974搜索算法A*朝着目标，努力向前本课件是可编辑的正常PPT课件人工智能简史--黄金年代黄金年代：1956–1974借助搜索算法，尤其是A*8Puzzle初始目标163本课件是可编辑的正常PPT课件人工智能简史--黄金年代黄金年代：1956–1974借助搜索算法，尤其是A*8Puzzle本课件是可编辑的正常PPT课件人工智能简史--黄金年代吃豆人有对手存在Source：UCBCS188本课件是可编辑的正常PPT课件人工智能简史--第一次寒冬第一次寒冬：1974–1980即使是最杰出的AI程序也只能解决它们尝试解决的问题中最简单的一部分，也就是说所有的AI程序都只是“玩具”本课件是可编辑的正常PPT课件人工智能简史–再次繁荣再次繁荣：1980–1987专家系统只能模拟特定领域人类专家的技能，但这足以激发新的融资趋势。最活跃的是日本政府，意图创造第五代计算机，间接迫使美国和英国恢复对人工智能研究的资助。需要一个巨型知识库本课件是可编辑的正常PPT课件人工智能简史–再次繁荣专家系统简单说就是一个条件判断系统所有知识都是人输入的本课件是可编辑的正常PPT课件人工智能简史–再次繁荣国际象棋需要的数节点太多10120本课件是可编辑的正常PPT课件人工智能简史–寒冬再袭1987年，个人电脑变得比人工智能多年的研究成果——Lisp机器更强大。寒冬再次到来本课件是可编辑的正常PPT课件人工智能简史–回归回归：1993

–

2012加入统计学原理有时候它们甚至会用新名词来掩饰“人工智能”这块被玷污的金字招牌信息学，知识系统，认知系统或计算智能1997年深蓝击败棋手卡斯帕罗夫，使得人工智能又重回顶峰。本课件是可编辑的正常PPT课件人工智能简史–回归贝叶斯网络本课件是可编辑的正常PPT课件人工智能简史–爆发爆发：2012至今2012年，在ImageNet图像识别比赛中卷积神经网络AlexNet一举夺得冠军，且碾压第二名（SVM方法）的分类性能。也正是由于该比赛，卷积神经网络吸引到了众多研究者的注意。2016年，李世石在与AlphaGo的围棋比赛中以总比分1比4告负，此次事件让公众的注意力大量地投向了人工智能，真正地将人工智能推向了研究和公众视野的中心。2022年年底，OpenAI推出了一个叫作ChatGPT的人工智能大模型聊天应用。它具有极高的语言理解能力，可以模拟人类的思维和语言表达。2024年年底，幻方量化开发的开源DeepSeek系列模型性能优异，且极大降低了大模型的使用成本。本课件是可编辑的正常PPT课件人工智能简史--深度学习使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法使用神经网络作为深度学习底层结构本课件是可编辑的正常PPT课件深度学习简单应用本课件是可编辑的正常PPT课件人工智能简史–深度学习李世石与AlphaGo总比分1比4本课件是可编辑的正常PPT课件人工智能简史–现在与未来19大报告：“加快建设制造强国，加快发展先进制造业，推动互联网、大数据、人工智能和实体经济深度融合。”国务院颁布了《新一代人工智能发展规划的通知》本课件是可编辑的正常PPT课件大纲人工智能是什么2本课件是可编辑的正常PPT课件人工智能到底是什么呢？人工智能就是人造的智能（ArtificialIntelligence，AI），即用机器来模仿人的智能。关于人工智能的科学定义,学术界目前还没有统一的认识。本课件是可编辑的正常PPT课件人工智能到底是什么呢？Source：UCBCS188ArtificialIntelligence:AModernApproach像人一样思考理性地思考像人一样行动理性地行动本课件是可编辑的正常PPT课件你认为哪一个在现阶段更容易达到人工智能像人一样行动像人一样思考理性的思考理性的行动ABCD提交投票(匿名)最多可选1项本课件是可编辑的正常PPT课件人工智能到底是什么呢？理性地思考（或者：正确地思考）根源可追溯到古希腊亚里士多德的理性思想研究正确思考的规则是什么？如果我们知道了这个规则，那么我就能正确地思考我们可以用代码写出这些规则，让机器做成理性地思考，进而智能化难以扩展（专家系统）Source：UCBCS188ArtificialIntelligence:AModernApproach本课件是可编辑的正常PPT课件人工智能到底是什么呢？像人一样思考（认知论）用计算机实现人类的智能，研究我们脑子到底是怎么想事情的这个有点像是对人脑做一个逆向工程，很难难道要等到认知科学发展到高级阶段人工智能才能有突破？但是就算不能像人一样思考，就不能智能了吗？Source：UCBCS188ArtificialIntelligence:AModernApproach本课件是可编辑的正常PPT课件人工智能到底是什么呢？像人一样行动重塑定义，从另一个角度来考虑问题，不去研究怎么思考的，而是研究这种思考带来了什么样的结果基于人是如何行动的可追溯到图灵–图灵测试但是有个问题：你知道756946124的平方是多少吗？你知道bonjour是什么意思吗？不知道是吗？那么人工智能也不能知道，否则过不了图灵测试这个东西你敢叫它是人工智能？但是我们已经很接近了Source：UCBCS188ArtificialIntelligence:AModernApproach本课件是可编辑的正常PPT课件人工智能到底是什么呢？理性地行动关注如何做决策，一个理性地行动的系统这里理性理解为：最优化地一种现代的人工智能解决方案，引入了优化，统计等数学方法人工智能应该可以最优化我的期望结果期望结果：打扫干净房间不去想什么是打扫，不用去看打扫宝典而是决定我第一步做什么，然后接下来一步怎么做。。。怎样使现在的状态更接近干净这个期望的结果Source：UCBCS188ArtificialIntelligence:AModernApproach本课件是可编辑的正常PPT课件什么是人工智能人工智能？机器学习？深度学习？ImageSource:Medium

本课件是可编辑的正常PPT课件什么是人工智能机器学习作为这门课的主体实操常用算法，达到初步应用能力

–

本课更应该是：人工智能应用基础ImageSource:Medium

本课件是可编辑的正常PPT课件大纲人工智能能干什么3本课件是可编辑的正常PPT课件人工智能能干什么找一个你熟悉的人工智能大模型，问问吧本课件是可编辑的正常PPT课件小结&提问人工智能已经发展了很长时间目前以机器学习为代表人工智能将塑造未来本课件是可编辑的正常PPT课件人工智能基础

--机器学习001本课件是可编辑的正常PPT课件大纲机器学习是什么机器学习的各大派别深度学习机器学习与统计学学习路线本课件是可编辑的正常PPT课件大纲机器学习是什么本课件是可编辑的正常PPT课件机器学习是什么学习就是系统在不断重复的工作中对本身能力的增强或者改进，使得系统在下一次执行同样任务或类似任务时，会比现在做得更好或效率更高.(人工智能大师西蒙)

人工智能早期成果显著未来无限

机器学习现代人工智能的核心

深度学习人工智能突破性进展最热门算法本课件是可编辑的正常PPT课件机器学习是什么机器学习监督学习非监督学习强化学习本课件是可编辑的正常PPT课件机器学习是什么人工智能核心技术，总结经验，发现规律，掌握规则，预测未来以监督学习为例规律新的问题历史经验未知学习预测模型新的输入历史数据未知训练预测本课件是可编辑的正常PPT课件监督学习本课件是可编辑的正常PPT课件监督学习

本课件是可编辑的正常PPT课件机器学习要解决的基本问题机器学习（监督学习）回归分类以监督学习为例本课件是可编辑的正常PPT课件下面哪些属于回归问题根据房屋各种属性，判断房价根据病理分析数据，判断是否患有疾病根据客户信息，分析是否为潜在流失客户根据历史天气情况，判断明日温度ABCD提交多选题1分本课件是可编辑的正常PPT课件机器学习如何优化模型选择一个评分标准最大化或者最小化这个分数关键：评分标准到底是什么？损失函数怎么选择（如何计算）本课件是可编辑的正常PPT课件我们普遍采用考试分数来评判一门课学的好坏。机器学习模型优化的过程和学习课程可以做一个简单类比吗作答正常使用主观题需2.0以上版本雨课堂可为此题添加文本、图片、公式等解析，且需将内容全部放在本区域内。正常使用需3.0以上版本课程掌握程度–模型分数–评价指标答案解析主观题2分答案解析本课件是可编辑的正常PPT课件机器学习工作流程数据获取数据处理模型训练模型测试模型优化本课件是可编辑的正常PPT课件大纲机器学习各大流派本课件是可编辑的正常PPT课件机器学习各大流派/articles/203-machine-learning-algorithm-backbone-of-emerging-technologies/本课件是可编辑的正常PPT课件机器学习算法选择/stable/tutorial/machine_learning_map/index.html本课件是可编辑的正常PPT课件你需要什么知识机器学习需要什么技能计算机基础概率论与统计学数据处理编程英语本课件是可编辑的正常PPT课件哪一项内容最困扰你数学英语编程没有ABCD提交投票最多可选1项本课件是可编辑的正常PPT课件这门课需要你什么基础？机器学习需要什么技能计算机基础概率论与统计学数据处理编程英语本课件是可编辑的正常PPT课件大纲深度学习本课件是可编辑的正常PPT课件深度学习本课件是可编辑的正常PPT课件深度学习传播信号激活信号神经网络本课件是可编辑的正常PPT课件机器学习（深度学习）的关键/industrial-electronics/m/394468/p3本课件是可编辑的正常PPT课件大纲机器学习与统计学本课件是可编辑的正常PPT课件机器学习与统计学A:Howcan

wekill

them

all?Whatisyouplan?B:Myplanisto

killthemall甲：我们怎么才能消灭敌人？乙：我认为我们应该根据对方XXX的特点，采用XXX战术，如此分工。。。本课件是可编辑的正常PPT课件机器学习与统计学机器学习：简单粗暴适合弹药充足的情况（数据量大）仅关注是否killthemall（正确预测）统计学：稳扎稳打，可解释性强适合弹药不足的情况（数据量小）关注适用情形，不确定性等问题本课件是可编辑的正常PPT课件机器学习与统计学模型新的输入历史数据未知训练预测机器学习数据分布A模型A更多分析分布B模型B更多分析统计学本课件是可编辑的正常PPT课件机器学习与统计学机器学习研究人员：在给定a、b和c的前提下，该模型准确预测出结果Y的概率达到了85%。统计学家：在给定a、b和c的前提下，该模型准确预测出结果Y的概率达到了85%；而且我有九成的把握你也会得到与此相同的结论。本课件是可编辑的正常PPT课件机器学习与统计学术语区别本课件是可编辑的正常PPT课件大纲学习路线本课件是可编辑的正常PPT课件学习路线数据展示工作汇报最简单模型使用数据分析用心即可数据处理数据挖掘编程能力本课件是可编辑的正常PPT课件学习路线数据漂亮地展示根据业务需要会选择并使用合适的模型对数据进行清洗等处理本课件是可编辑的正常PPT课件小结&提问机器学习关键在于学习不同的算法适用于不同的问题，不要迷信深度学习深度学习是目前热门的机器学习方法深度学习是牛刀，不要用它来杀鸡学习路线：从简到难本课件是可编辑的正常PPT课件机器学习与统计学/question/29687860/news/201703/39tCJ7WFVnNsH6pg.html/profiles/blogs/machine-learning-vs-traditional-statistics-different-philosophi-1/@manishdharod/how-is-ml-different-from-traditional-programming-938448468684/2016/11/machine-learning-vs-statistics.html/articles/nmeth.4642/machine-learning-vs-statistics/本课件是可编辑的正常PPT课件人工智能基础

--

KNIME本课件是可编辑的正常PPT课件大纲KNIME简介KNIME基本使用本课件是可编辑的正常PPT课件大纲KNIME简介本课件是可编辑的正常PPT课件KNIME简介机器学习需要的知识太多，容易使人望而生畏机器学习需要什么技能计算机基础概率论与统计学数据处理编程英语本课件是可编辑的正常PPT课件KNIME简介尽可能降低入门门槛，使用机器学习工具KNIME专注于机器学习思想和应用，不需要更多其他技能机器学习需要什么技能计算机基础概率论与统计学数据处理编程英语本课件是可编辑的正常PPT课件KNIME简介KNIME（音：nime）--KonstanzInformationMiner由康斯坦茨大学的MichaelBerthold小组开发基于Eclipse开发环境的机器学习工具采用的是类似数据流的方式来建立流程可以与其它系统集成：Python，Java，Tableau等丰富的第三封扩展本课件是可编辑的正常PPT课件KNIME简介安装简单下载：/安装使用本课件是可编辑的正常PPT课件KNIME简介初步使用设置工作路径本课件是可编辑的正常PPT课件大纲KNIME基本使用本课件是可编辑的正常PPT课件KNIME基本使用初步使用初始界面本课件是可编辑的正常PPT课件KNIME基本使用初步使用本课件是可编辑的正常PPT课件KNIME基本使用示例工作流“BuildingaSimpleClassifier”本课件是可编辑的正常PPT课件KNIME基本使用KNIME将这个过程工作流化数据获取数据处理模型训练模型测试模型优化本课件是可编辑的正常PPT课件KNIME基本使用KNIME将工作流图形化KNIME的节点就是一个工作单元，每一个节点完成一步工作。一系列节点共同完成一个任务，形成一个工作流。本课件是可编辑的正常PPT课件KNIME基本使用运行运行前运行后待运行节点待设置节点已运行节点节点状态执行整个工作流重置所有节点运行当前节点本课件是可编辑的正常PPT课件KNIME基本使用细说节点拖拽创建节点名节点状态节点注释输入端输出端本课件是可编辑的正常PPT课件KNIME基本使用观察数据--节点监察区选中“CSV

Reader”节点，

节点监察区选择“Statistics”（统计）标签，观察数据统计值。本课件是可编辑的正常PPT课件KNIME基本使用观察数据–图形展示双击“Histogram”节点或者点击节点上方的齿轮状“设置”（Configure）按钮，打开画图设置对话框。在右侧“Data”（数据）的“Dimension”（待选择的列）中选择“age”，然后单击左侧的“Save&execute”（保存并运行）按钮对图像进行预览本课件是可编辑的正常PPT课件KNIME基本使用查看模型结果点击工作流中“Scorer”节点观察评分。鼠标悬浮到此节点上方，选择“Openview”（打开视图）按钮可见模型的评分结果，这里是混淆矩阵（ConfusionMatrix）的评分结果也可以在节点监察区分别查看混淆矩阵和评分结果本课件是可编辑的正常PPT课件小结&提问KNIME降低机器学习入门门槛KNIME将机器学习流程图形化本课件是可编辑的正常PPT课件人工智能基础

--你需要的统计学本课件是可编辑的正常PPT课件大纲数据的种类回归最小二乘法判断拟合好坏本课件是可编辑的正常PPT课件大纲数据的种类本课件是可编辑的正常PPT课件数据的种类数据分类数据(Categorical)无序数据(Nominal)男，女建筑，生物有序数据(Ordinal)大，中，小数值数据(Numeric)离散数据(Discrete)整数连续数据(Continuous)实数本课件是可编辑的正常PPT课件大纲回归本课件是可编辑的正常PPT课件回归（Regression）统计学：确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法。机器学习：一种预测性的建模技术，它研究的是特征和标记之间的关系。本课件是可编辑的正常PPT课件回归（Regression）回归线性回归简单线性回归多元线性回归逻辑回归简单逻辑回归多元逻辑回归本课件是可编辑的正常PPT课件回归（Regression）xy回归到平均值0本课件是可编辑的正常PPT课件回归（Regression）简单线性回归

偏置(Bias)权重（Weight）协变量（Covariance）特征（Feature）响应,应变量（Response）标记（Label）本课件是可编辑的正常PPT课件回归（Regression）多元线性回归

偏置(Bias)权重（Weight）协变量（Covariance）特征（Feature）响应（Response）标记（Label）本课件是可编辑的正常PPT课件回归（Regression）工龄年薪

简单线性回归为例本课件是可编辑的正常PPT课件回归（Regression）

简单线性回归为例工龄年薪0本课件是可编辑的正常PPT课件回归模型中，权重w变大相应的x对结果影响变大相应的x对结果影响变小AB提交单选题1分本课件是可编辑的正常PPT课件大纲最小二乘法本课件是可编辑的正常PPT课件最小二乘法（OrdinaryLeastSquares,OLS）简单线性回归为例观测数据和拟合数据越接近越好工龄年薪

观测的实际数据拟合的数据0本课件是可编辑的正常PPT课件最小二乘法（OrdinaryLeastSquares,OLS）

简单线性回归为例目标：观测数据和拟合数据越接近越好能否有一个度量数值，比较这个数值，就能知道回归好不好本课件是可编辑的正常PPT课件最小二乘法（OrdinaryLeastSquares,OLS）工龄年薪

简单线性回归为例观测的实际数据拟合的数据

最小化观测数据和拟合数据差的平方和本课件是可编辑的正常PPT课件最小二乘法（OrdinaryLeastSquares,OLS）简单线性回归为例

MeanSquareError(MSE)均方差损失函数本课件是可编辑的正常PPT课件大纲判断拟合好坏本课件是可编辑的正常PPT课件判断拟合好坏

本课件是可编辑的正常PPT课件判断拟合好坏假设一组数据（X1,X2,…,Xn）,假设我告诉了你除了Xn以外所有的数值，让你猜猜Xn是多少，你觉得下面那个更靠谱：

最大值最小值平均值随便猜一个本课件是可编辑的正常PPT课件你选哪一个最大值最小值平均值随便猜一个ABCD提交投票最多可选1项本课件是可编辑的正常PPT课件一个机器学习模型，预测结果不如平均值给的结果，说明：模型太差了模型还行模型很好ABC提交单选题1分本课件是可编辑的正常PPT课件一个机器学习模型，预测结果比平均值好，说明：模型太差了模型至少还行模型很好ABC提交单选题1分本课件是可编辑的正常PPT课件判断拟合好坏现在我就把这个平均值画出来工龄年薪本课件是可编辑的正常PPT课件判断拟合好坏现在我就把这个平均值画出来然后找到每个点到这个平均线的距离算出这些距离的平方和

工龄年薪0本课件是可编辑的正常PPT课件判断拟合好坏工龄年薪

工龄年薪

本课件是可编辑的正常PPT课件判断拟合好坏

决定系数Goodnessoffit本课件是可编辑的正常PPT课件判断拟合好坏决定系数越接近1越好

线性回归（右侧）的效果比起平均值（左侧）越好，决定系数的值就越接近于1。蓝色正方形表示线性回归的残差的平方，红色正方形数据表示对于平均值的残差的平方。

本课件是可编辑的正常PPT课件判断拟合好坏

随自变量增多，SSres

不会变大，决定系数不会变小决定系数越大越好使劲往模型里面加自变量模型复杂，更容易出问题本课件是可编辑的正常PPT课件小明考试没考好，你更相信下面哪种小明自己的解释因为我不够努力我感觉我不是很适合这门课，怎么学都学不会。而且老师讲的也很一般，教材也不好。关键是考试前太忙了，没时间复习AB提交投票最多可选1项本课件是可编辑的正常PPT课件小结&提问分清数据种类是任何任务的前提回归是最基本的算法使用损失函数判断拟合好坏使用决定系数判断拟合好坏本课件是可编辑的正常PPT课件人工智能基础

--简单线性回归实战本课件是可编辑的正常PPT课件大纲回顾场景说明KNIME建立工作流节点注释本课件是可编辑的正常PPT课件大纲回顾本课件是可编辑的正常PPT课件回归（Regression）简单线性回归

偏置(Bias)权重（Weight）协变量（Covariance）特征（Feature）响应,应变量（Response）标记（Label）本课件是可编辑的正常PPT课件大纲场景说明本课件是可编辑的正常PPT课件场景说明根据工作年限与工资的对应关系表，找出二者之间的关系，并预测“未知”工作年限时，工资会有多少。本课件是可编辑的正常PPT课件大纲KNIME建立工作流本课件是可编辑的正常PPT课件机器学习工作流程数据获取数据处理模型训练模型测试模型优化本课件是可编辑的正常PPT课件KNIME建立工作流数据获取数据处理模型训练模型测试模型优化本课件是可编辑的正常PPT课件KNIME建立工作流本课件是可编辑的正常PPT课件KNIME建立工作流导入数据待设置，且有警告已设置，待运行本课件是可编辑的正常PPT课件这个节点状态是是什么待运行正在运行已运行错误ABCD提交单选题1分本课件是可编辑的正常PPT课件KNIME建立工作流观察数据本课件是可编辑的正常PPT课件KNIME建立工作流数据可视化本课件是可编辑的正常PPT课件KNIME建立工作流数据获取数据处理模型训练模型测试模型优化本课件是可编辑的正常PPT课件KNIME建立工作流已有数据划分为训练数据和测试数据训练数据：训练模型测试数据：测试模型本课件是可编辑的正常PPT课件KNIME建立工作流训练已知x和y，求

b

和w

本课件是可编辑的正常PPT课件KNIME建立工作流测试根据训练出来的

b

和

w，使用没有参加训练的

x

预测

y

是多少，然后比较这个预测的y与真实的y的差别

本课件是可编辑的正常PPT课件KNIME建立工作流数据划分：训练集，测试集数据训练数据（多数）训练模型测试数据（少数）测试模型新的数据预测现有数据本课件是可编辑的正常PPT课件KNIME建立工作流数据划分：训练集，测试集数据训练数据（多数）上课听讲测试数据（少数）课后作业新的数据考试现有数据本课件是可编辑的正常PPT课件下列关于数据的说法正确的是训练数据应该多于测试数据测试数据可有可无训练数据用来训练模型测试数据包括完整的特征和标记数据，所以测试数据也可以用来训练模型ABCD提交多选题2分本课件是可编辑的正常PPT课件KNIME建立工作流设置查看所有节点KNIME5版本对节点搜索结果的展示数量进行了限制，默认只显示基础功能节点，但是学习的机器学习大多涉及高级节点。本课件是可编辑的正常PPT课件KNIME建立工作流数据划分：训练集，测试集本课件是可编辑的正常PPT课件KNIME建立工作流数据获取数据处理模型训练模型测试模型优化本课件是可编辑的正常PPT课件KNIME建立工作流建立模型设置特征和目标使用线性回归模型设置目标和特征本课件是可编辑的正常PPT课件KNIME建立工作流建立模型运行模型本课件是可编辑的正常PPT课件KNIME建立工作流解释模型

模型本课件是可编辑的正常PPT课件KNIME建立工作流解释模型Intercept:没有工作经验的话，能拿多少钱Coeff.：每增加一年工作经验，工资涨多少？你觉得你想这两数怎么变？本课件是可编辑的正常PPT课件如果这是你的个人数据预测结果你希望？斜率更大Intercept更大斜率更小Intercept更小ABCD提交投票最多可选2项本课件是可编辑的正常PPT课件KNIME建立工作流解释模型R-Squared(决定系数)越接近1

越好P值(PValue)越小越好一般小于0.05的才算小本课件是可编辑的正常PPT课件P值某参数w可能取值0

但是仍然有可能取

0模型建立以后，权重w如果是

0

的话，模型其实没什么用权重w有可能是

0

吗本课件是可编辑的正常PPT课件P值某参数w可能取值0

但是仍然有可能取

0模型建立以后，权重w如果是

0

的话，模型其实没什么用权重w有可能是

0

吗本课件是可编辑的正常PPT课件P值零假设：假设参数就是

0p值检验零假设成立的可能性。p值若与选定显著性水平（0.05或0.01）相比更小，则零假设会被否定而不可接受。某参数w可能取值0

W

有多大可能是

0

?本课件是可编辑的正常PPT课件KNIME建立工作流数据获取数据处理模型训练模型测试模型优化本课件是可编辑的正常PPT课件KNIME建立工作流验证及测试模型模型新的输入历史数据未知训练预测本课件是可编辑的正常PPT课件KNIME建立工作流整体工作流本课件是可编辑的正常PPT课件KNIME建立工作流验证及测试模型查看预测效果本课件是可编辑的正常PPT课件KNIME建立工作流对比真实数据与测试数据本课件是可编辑的正常PPT课件KNIME节点注释提高可读性本课件是可编辑的正常PPT课件损失函数损失函数（lossfunction,

cost

function）是用来估量模型的预测值与真实值的不一致程度一个非负实值函数损失函数越小，模型的稳健性就越好。我们会通过叫做梯度下降算法的方法使损失函数最小化，从而优化模型。一般可以看MSE就行了本课件是可编辑的正常PPT课件小结&提问KNIME可以方便的建立机器学习工作流KNIME可以方便的查看模型效果本课件是可编辑的正常PPT课件人工智能基础

--

多元线性回归实战本课件是可编辑的正常PPT课件大纲任务及数据说明读取并观察数据建立模型查看结果模型优化本课件是可编辑的正常PPT课件大纲任务及数据说明本课件是可编辑的正常PPT课件任务说明城镇的房价预测/harlfoxem/housesalesprediction/home本课件是可编辑的正常PPT课件数据说明19个房屋特征，附加一个id列房价是目标总共21613个样本.本课件是可编辑的正常PPT课件数据说明本课件是可编辑的正常PPT课件数据说明本课件是可编辑的正常PPT课件id列应该作为特征吗应该不应该AB提交投票最多可选1项本课件是可编辑的正常PPT课件大纲读取并观察数据本课件是可编辑的正常PPT课件KNIME建立工作流数据获取数据处理模型训练模型测试模型优化本课件是可编辑的正常PPT课件读取并观察数据修改上一个工作流数据变为新数据尝试新建一个散点图（ScatterPlot）观察数据搜索：scatter本课件是可编辑的正常PPT课件读取并观察数据尝试其他数据可视化节点箱线图BoxPlot柱状图或直方图Hisogram本课件是可编辑的正常PPT课件读取并观察数据统计值本课件是可编辑的正常PPT课件读取并观察数据工作流本课件是可编辑的正常PPT课件如果观察数据的结论与常识或者你的想象不同，你应该不管他，继续看看数据会不会有问题自己是不是有什么地方理解错误放弃任务ABCD提交投票最多可选2项本课件是可编辑的正常PPT课件整合界面整合数据观察节点功能都输入观察数据整合起来以便查阅工作流本课件是可编辑的正常PPT课件整合界面整合数据观察节点本课件是可编辑的正常PPT课件大纲建立模型本课件是可编辑的正常PPT课件使用多元线性回归预测回归方法给出的结果往往不是最好的但是解释能力强可以让我们更深入理解数据

本课件是可编辑的正常PPT课件建立模型特征工程：目的是最大限度地从原始数据中提取特征以供算法和模型使用特征选择为了构建模型而选择相关特征子集的过程。使用特征选择技术有三个原因：简化模型，使之更易于被研究人员或用户理解缩短训练时间改善通用性、降低过拟合/wiki/%E7%89%B9%E5%BE%81%E9%80%89%E6%8B%A9/question/29316149本课件是可编辑的正常PPT课件建立模型过拟合学习学傻了/wiki/Overfitting本课件是可编辑的正常PPT课件查看结果回归统计数据本课件是可编辑的正常PPT课件假设你训练了两个模型，复杂度一样，A模型R2是0.9，B模型R2是0.5，你应该选择哪个模型ABAB提交单选题1分本课件是可编辑的正常PPT课件假设你训练了两个模型，模型A复杂度远超模型B，A模型R2是0.92，B模型R2是0.91，你应该选择哪个模型ABAB提交单选题1分本课件是可编辑的正常PPT课件大纲模型优化本课件是可编辑的正常PPT课件模型优化特征选择：正向选择1.选择一个最相关的特征输入模型每个特征分别输入模型选择p值最小的特征2.保留上一个特征，从剩余的特征中再选择一个输入模型，同样方法选择一个特征如果不符合完成条件，重复步骤2如果符合完成条件，结束完成条件：p值大于阈值（0.05）或者特征数量达到上限···返回KNIME传统界面本课件是可编辑的正常PPT课件模型优化KNIME的正向选择metanode本课件是可编辑的正常PPT课件模型优化重整工作流去掉不需要的列（特征）正向选择本课件是可编辑的正常PPT课件模型优化重整工作流本课件是可编辑的正常PPT课件模型优化重整工作流本课件是可编辑的正常PPT课件模型优化输入数据表格两个输入一样选择的特征的详细信息选择的特征构成的表本课件是可编辑的正常PPT课件模型优化确保目标留在结果中sqft_living相关性最高应该在结果中完成条件：最多选择19个特征本课件是可编辑的正常PPT课件模型优化目标是“价格”本课件是可编辑的正常PPT课件模型优化使用真实价格与预测价格将结果值作为流变量输出本课件是可编辑的正常PPT课件MSE作为优化目标，应该努力减小它努力增大它AB提交单选题1分本课件是可编辑的正常PPT课件模型优化最小化MSE根据MES选择特征也可以使用其他参数本课件是可编辑的正常PPT课件模型优化选择特征本课件是可编辑的正常PPT课件查看结果本课件是可编辑的正常PPT课件其他特征选择方法反向去除1.设置一个特征留在模型的阈值（p<0.05）2.所有特征保留在模型中3.运行模型，找到p值最大的特征如果p值大于阈值，删除它，重复步骤3如果p值小于阈值，结束本课件是可编辑的正常PPT课件其他特征选择方法反向去除使用KNIME完成此方法本课件是可编辑的正常PPT课件解释模型Coeff绝对值越大，影响越大符号：+：正向影响-：负向影响本课件是可编辑的正常PPT课件特征归一化

本课件是可编辑的正常PPT课件想要预测18岁以下人群的年龄，数据包括体重和身高，模型如下：Y=w1*身高+w2*体重+b，身高体重的单位取什么比较合适身高：cm，体重：kg身高：m，体重：kg身高：cm，体重：g无所谓ABCD提交单选题1分本课件是可编辑的正常PPT课件特征归一化常用归一化方法Z-scorenormalization/Articles/2014_about_feature_scaling.htmlAndrew

Ng/wiki/%E6%AD%A3%E6%80%81%E5%88%86%E5%B8%83本课件是可编辑的正常PPT课件特征归一化常用归一化方法Min-Maxscaling绝对分布在一定范围内/Articles/2014_about_feature_scaling.html本课件是可编辑的正常PPT课件特征归一化常用正则化方法Z-scorenormalizationMin-Maxscaling傻瓜式法：如果不是要求必须在一个范围内，选择Z-scorenormalization/Articles/2014_about_feature_scaling.html本课件是可编辑的正常PPT课件特征归一化KNIME实现本课件是可编辑的正常PPT课件特征归一化归一化必须：归一化训练集，训练模型使用归一化训练集的方法和参数，归一化测试集为什么？你不知道未知的数据是什么分布规律，因为你根本就没有这些数据那么你怎么可能将它们归一化呢？训练集：你知道的数据测试集：你知道，但是你假装不知道的数据未来预测的数据集：你真的不知道的数据本课件是可编辑的正常PPT课件是否需要使用归一化训练集的方法和参数，归一化测试集必须无所谓不用ABC提交单选题1分本课件是可编辑的正常PPT课件特征归一化KNIME实现本课件是可编辑的正常PPT课件小结&提问Metanode简化工作流建立模型之前往往需要进行特征工程过拟合是机器学习要克服的关键问题多元线性回归可以解决比较复杂的问题模型优化可以提高模型各方面性能特征归一化是一种有效的特征工程方法本课件是可编辑的正常PPT课件人工智能基础

--

逻辑回归基本概念本课件是可编辑的正常PPT课件大纲分类问题从线性回归到逻辑回归KNIME工作流本课件是可编辑的正常PPT课件大纲分类问题本课件是可编辑的正常PPT课件分类问题如何判断一个学生能够获得奖学金能：1不能：0本课件是可编辑的正常PPT课件问题解析假设我要看hon和read的关系线性回归方法read0（无奖）1（有奖）0.5（分界线）有无hon本课件是可编辑的正常PPT课件问题解析假设我要看hon和read的关系线性回归方法read0（无奖）1（有奖）0.5（分界线）有无hon预测有预测无本课件是可编辑的正常PPT课件问题解析假设我要看hon和read的关系线性回归方法read0（无奖）1（有奖）0.5（分界线）有无hon预测有预测无本课件是可编辑的正常PPT课件问题解析假设我要看hon和read的关系线性回归方法read0（无奖）1（有奖）0.5（分界线）hon大于1什么情况小于0什么情况中间是概率？本课件是可编辑的正常PPT课件问题解析假设我要看hon和read的关系线性回归方法read0（无奖）1（有奖）0.5（分界线）hon假设一个点离得其他点好远为了照顾这个点，回归线将会偏离模型将会很不稳定本课件是可编辑的正常PPT课件问题解析改进read010.5有无hon获奖概率本课件是可编辑的正常PPT课件大纲从线性回归到逻辑回归本课件是可编辑的正常PPT课件从线性回归到逻辑回归

010.5010.5Sigmoid本课件是可编辑的正常PPT课件

从线性回归到逻辑回归

本课件是可编辑的正常PPT课件从线性回归到逻辑回归

readmath0100100

判定边界本课件是可编辑的正常PPT课件如果我想让更多的预测结果为判定边界左移判定边界右移AB提交readmath0100100单选题1分本课件是可编辑的正常PPT课件如果我的目标是预测，如何可以让结果显示为的样本尽可能的就是判定边界左移判定边界右移AB提交readmath0100100单选题1分本课件是可编辑的正常PPT课件大纲KNIME工作流本课件是可编辑的正常PPT课件KNIME建立工作流数据获取数据处理模型训练模型测试模型优化本课件是可编辑的正常PPT课件KNIME建立工作流基于此工作流概括，自己构建整个工作流本课件是可编辑的正常PPT课件关于模型评价，正确的是分类问题可以使用F1分类问题可以使用ROC分类问题可以使用R2只有逻辑回归可以使用F1ABCD提交多选题1分本课件是可编辑的正常PPT课件小结&提问分类问题可以用逻辑回归模型效果可以使用ROC，混淆矩阵，F1等本课件是可编辑的正常PPT课件逻辑回归的逻辑/other/mult-pkg/faq/general/faq-how-do-i-interpret-odds-ratios-in-logistic-regression//watch?v=eX2sY2La4Ew&index=8&list=PLzMw_44KVqI9EYeGmNO-W9O1PgXReaanW本课件是可编辑的正常PPT课件人工智能基础

--

逻辑回归实战本课件是可编辑的正常PPT课件大纲泰坦尼克号生存问题KNIME建立工作流解释模型本课件是可编辑的正常PPT课件大纲泰坦尼克号生存问题本课件是可编辑的正常PPT课件泰坦尼克号生存问题泰坦尼克号是一艘英国皇家邮轮，在其服役时间是全世界最大的海上船舶，号称“永不沉没”、“梦幻之船”。本课件是可编辑的正常PPT课件泰坦尼克号生存问题泰坦尼克号是一艘英国皇家邮轮，在其服役时间是全世界最大的海上船舶，号称“永不沉没”、“梦幻之船”。/c/titanic/wiki/%E6%B3%B0%E5%9D%A6%E5%B0%BC%E5%85%8B%E5%8F%B7本课件是可编辑的正常PPT课件泰坦尼克号生存问题1912年4月10日，泰坦尼克号展开首航，也是唯一一次的载客出航。部分乘客为当时世界上顶尖富豪，以及许多来自英国、爱尔兰、斯堪的纳维亚和整个欧洲其他地区的移民，他们寻求在美国展开新生活的机会。本课件是可编辑的正常PPT课件泰坦尼克号生存问题4月14至15日子夜前后，在中途发生碰撞冰山后沉没的严重灾难。2,224名船上人员中有1,514人罹难，成为近代史上最严重的和平时期船难。1时40分船首甲板淹没，2时15分1号烟囱倒塌，2时18分船体断裂，2时20分完全沉没本课件是可编辑的正常PPT课件泰坦尼克号生存问题泰坦尼克号携带的20艘救生艇只能运载约一半的人员，如果是满载的情形，则只有约三分之一的人可以登上救生艇。船员没有得到充分的疏散训练，他们不知道救生艇即使坐满也能安全漂浮，所以很多救生艇下水时只坐了一半人。本课件是可编辑的正常PPT课件泰坦尼克号生存问题三等舱乘客大部分时间都遭到船员留置于下层甲板，他们只能自己想办法穿越障碍，导致其中的许多乘客受困，而大部分下层甲板都充满了海水。副官在指挥登艇时一般都遵循女人和小孩优先的原则，大部分男性乘客和船员都留在船上。本课件是可编辑的正常PPT课件泰坦尼克号生存问题谁能活下来？本课件是可编辑的正常PPT课件大纲KNIME建立工作流本课件是可编辑的正常PPT课件KNIME建立工作流数据获取数据处理模型训练模型测试模型优化本课件是可编辑的正常PPT课件KNIME建立工作流本课件是可编辑的正常PPT课件KNIME建立工作流从数据可视化方法你能发现什么？你有什么特征工程好办法注意过拟合问题尝试将结果上传kaggle本课件是可编辑的正常PPT课件数据处理数据可视化更多请自己探索这些可视化的工作有什么用？加深数据理解帮助建立更好的模型本课件是可编辑的正常PPT课件小结&提问做任务前先要理解任务使用逻辑回归可以解决分类问题ROC，混淆矩阵等手段判别模型效果本课件是可编辑的正常PPT课件人工智能基础

--

模型训练与比较本课件是可编辑的正常PPT课件大纲梯度下降算法正则化KNIME模型优化模型评价KNIME模型训练与测试本课件是可编辑的正常PPT课件大纲梯度下降算法本课件是可编辑的正常PPT课件模型训练方法梯度下降有大量参数需要设置理解算法有助于调试出更好的模型本课件是可编辑的正常PPT课件梯度下降算法

本课件是可编辑的正常PPT课件梯度下降算法

本课件是可编辑的正常PPT课件梯度下降算法梯度某一点，垂直于等高线走的线就是梯度线本课件是可编辑的正常PPT课件梯度下降算法怎么找到最低那个点呢？沿着梯度方向下来海拔:5500m海拔:6200m本课件是可编辑的正常PPT课件梯度下降算法怎么找到最低那个点呢？沿着梯度方向下来下一个位置

=

当前位置

–

学习率*梯度一个标量本课件是可编辑的正常PPT课件梯度下降算法下一个位置

=

当前位置

–

学习率*梯度循环直到结束每个循环叫做一个周期（Epoch）梯度为正梯度为负最低点梯度损失模型参数0本课件是可编辑的正常PPT课件梯度下降算法下一个位置

=

当前位置

–

学习率*梯度循环直到结束

学习率太大损失函数无法找到最小值甚至变大学习率太小损失函数下降步幅太小计算太慢本课件是可编辑的正常PPT课件我怎么知道梯度下降算法是否工作正常呢？画出损失函数每个周期的变化梯度下降算法周期正常学习率0损失周期不好的学习率太小太大过大0损失本课件是可编辑的正常PPT课件种类StochasticGradientDescent（SGD）样本一个一个地运算计算资源消耗大计算不是很稳定梯度下降算法一个一个来本课件是可编辑的正常PPT课件种类BatchGradientDescent所有样本一起运算，所有参数同时更新计算效率高内存需求大可能不能到达最优解梯度下降算法全都通进去本课件是可编辑的正常PPT课件种类Mini-batchGradientDescent结合上面两个算法样本分成若干份一份一份传进去稳定与快速相结合梯度下降算法一份一份来本课件是可编辑的正常PPT课件梯度下降算法SGDBatchMini

batch本课件是可编辑的正常PPT课件大纲正则化本课件是可编辑的正常PPT课件正则化防止模型过拟合的一个重要方法

健壮性(Robust)旧的翻译是鲁棒性，、指一个计算机系统在执行过程中处理错误、异常等情况时继续正常运行的能力。模型复杂，健壮性变差，容易过拟合本课件是可编辑的正常PPT课件欠拟合与过拟合过拟合就是模型完美地或者很好地拟合了数据集的某一部分，但是此模型很可能并不能用来预测数据集的其他部分。欠拟合签好反过来，模型拟合程度不高，数据距离拟合曲线较远，不能够很好地拟合数据。本课件是可编辑的正常PPT课件欠拟合与过拟合弱分类器偏离很大

–

欠拟合红点为目标，越接近目标越好左侧大量的红色点偏离中心偏差很大本课件是可编辑的正常PPT课件欠拟合与过拟合复杂的模型方差很大

–

过拟合很小的变化，带来大的不同数据的微小变化，引起模型预测结果的巨大不同方差很大本课件是可编辑的正常PPT课件欠拟合与过拟合模型复杂度/训练周期/。。。损失其他数据训练集欠拟合过拟合0本课件是可编辑的正常PPT课件欠拟合与过拟合模型复杂度损失其他数据训练数据0本课件是可编辑的正常PPT课件正则化与过拟合模型的复杂度上升会让模型能力更强。副作用就是过拟合。为了防止过拟合就放弃复杂模型，其结果就像是倒掉洗澡水的时候把婴儿一起倒掉了。正则化技术在使用复杂模型的前提下防止过拟合。本课件是可编辑的正常PPT课件正则化与过拟合

本课件是可编辑的正常PPT课件正则化与过拟合

本课件是可编辑的正常PPT课件大纲KNIME模型优化本课件是可编辑的正常PPT课件KNIME模型优化模型参数设置可以理解为一种更稳定快速的SGD本课件是可编辑的正常PPT课件KNIME模型优化模型参数设置运行多少个周期的梯度下降次数越多，理论上损失函数越小本课件是可编辑的正常PPT课件KNIME模型优化模型参数设置两次损失函数差值小于它，梯度下降循环结束本课件是可编辑的正常PPT课件KNIME模型优化模型参数设置学习率类型及其大小本课件是可编辑的正常PPT课件大纲模型评价本课件是可编辑的正常PPT课件模型评价这些都是什么？？本课件是可编辑的正常PPT课件混淆矩阵总结一个分类器结果的矩阵TP=TruePositive=真阳性FP=FalsePositive=假阳性FN=FalseNegative=假阴性TN=TrueNegative=真阴性TrueNegativeFalsePositiveFalseNegativeTruePositive0101预测真实预测对了预测错了本课件是可编辑的正常PPT课件TrueNegativeFalsePositiveFalseNegativeTruePositive0101预测真实混淆矩阵产品检测为例，产品有问题为Positive检测出了问题实际真的有问题真的要整改了检测出了问题实际没有问题虚惊一场检测没有问题实际真的没有问题皆大欢喜检测没有问题实际有问题潜伏风险本课件是可编辑的正常PPT课件混淆矩阵

判断正确的比例有多大本课件是可编辑的正常PPT课件混淆矩阵

所有认为有问题的产品有多少比例是真的有问题呢？本课件是可编辑的正常PPT课件混淆矩阵

那些出了问题的产品，有多少比例能够真的被召回，返厂维修？真阳性率本课件是可编辑的正常PPT课件混淆矩阵想要同时提高精度和召回很难需要权衡二者本课件是可编辑的正常PPT课件混淆矩阵想要同时提高精度和召回很难需要权衡二者调整判定边界的位置可以调整精度和召回仓位090123

判定边界预测生预测死年龄本课件是可编辑的正常PPT课件混淆矩阵调整判定边界的位置可以调整精度和召回精度:所有预测活下来的人，有多少比例真的活下来了？提高精度召回下降了仓位090123生=1，死=0预测生预测死本课件是可编辑的正常PPT课件混淆矩阵调整判定边界的位置可以调整精度和召回召回:所有活下来的人，有多少比例真的被发现了？提高召回精度下降了仓位090123生=1，死=0预测生预测死本课件是可编辑的正常PPT课件混淆矩阵到底怎么才算好？引入F1

Score

调和平均值PrecisionRecall=F1*2本课件是可编辑的正常PPT课件ROC曲线&

AUCROC曲线（ReceiverOperatingCharacteristics接收者操作特征曲线）是一种显示分类模型在所有分类阈值下的效果的图表曲线下面积(AUC,AreaUnderTheCurve)表示“ROC曲线下面积”TPRFPRROCAUC本课件是可编辑的正常PPT课件ROC曲线&

AUC二战中的英国电子工程师和雷达工程师发明的，用来侦测战场上的敌军载具（飞机、船舰）雷达上的那个点真的是敌机还是仅仅一个噪音点本课件是可编辑的正常PPT课件ROC曲线&

AUC模型预测数据的概率密度分布（曲线下面积之和为1）某测试指标没问题有问题概率密度0本课件是可编辑的正常PPT课件ROC曲线&

AUC敏感度

Sensitivity（召回

Recall在此场景叫做敏感度是不是更合适）阈值某测试指标TNspecTPsensFNFP测试阳性测试阴性概率密度0本课件是可编辑的正常PPT课件ROC曲线&

AUC阈值左移TP

增大TN

减小阈值某测试指标TNspecTPsensFNFP测试阳性测试阴性本课件是可编辑的正常PPT课件ROC曲线&

AUC阈值右移TP

减小TN

增大阈值某测试指标TNspecTPsensFNFP测试阳性测试阴性本课件是可编辑的正常PPT课件ROC曲线&

AUCsensspecsens1

-

specROCAUC本课件是可编辑的正常PPT课件ROC曲线&

AUCAUC=0.9AUC=0.8AUC=0.7AUC=0.5ROCAUCROCAUCROCAUCROCAUC很好的分类器不错的分类器还行的分类器瞎猜本课件是可编辑的正常PPT课件如果AUC=0.1，那么这个模型将会是一个很好还是很差的模型很好很差AB提交投票最多可选1项本课件是可编辑的正常PPT课件ROC曲线&

AUCTNspecTPsensFNFPsensTPR1

–

specFPRROCAUC本课件是可编辑的正常PPT课件ROC曲线&

AUCTNTPsensTPR1

–

specFPRROCAUCABCABC阈值移动画出ROC的各个点本课件是可编辑的正常PPT课件ROC曲线&

AUC越接近1越好完美模型的AUC

是1

–

它有完美的分类能力差劲模型的AUC

是0

–

它的分类完全错误0

->

1,

1

->

0.

本课件是可编辑的正常PPT课件大纲KNIME模型训练与测试本课件是可编辑的正常PPT课件KNIME模型训练与测试模型效果这部分面积越大越好越接近1越好ROC

曲线本课件是可编辑的正常PPT课件KNIME模型训练与测试模型效果混淆矩阵（confusionmatrix）对角线的值越大越好大量评价方式F1，越接近1越好本课件是可编辑的正常PPT课件小结&提问梯度下降算法是一种有效的计算损失函数最小值的方法梯度下降算法有多种分支算法混淆矩阵，AUC,

F1

可以判断模型好坏本课件是可编辑的正常PPT课件泰坦尼克号竞赛评分标准1.最终模型成绩高低不是你的期中成绩的主要评价指标2.什么才是主要指标呢要能看出来你下了多少功夫遇到什么问题，怎么解决的遇到问题，尝试了很多方法，没有解决你有没有学到/查找更多信息本课件是可编辑的正常PPT课件混淆矩阵

那些真的没有问题的产品，有多少比例认为也没有问题？真阴性率本课件是可编辑的正常PPT课件混淆矩阵

那些真的没有问题的产品，有多少比例认为有问题？本课件是可编辑的正常PPT课件ROC曲线&

AUCC曲线召回/真阳性率/TPR(TruePositiveRate)/Recall/Sensitivity真阳性率TP/(TP+FN)本课件是可编辑的正常PPT课件ROC曲线&

AUC假阳性率(False

PositiveRate)

FP/(TN+FP)真阳性率假阳性率本课件是可编辑的正常PPT课件人工智能

--

支持向量机SVM本课件是可编辑的正常PPT课件大纲支持向量机简介核模型调参KNIME建立工作流本课件是可编辑的正常PPT课件大纲支持向量机简介本课件是可编辑的正常PPT课件支持向量机简介应用于分类与回归分析中分析/wiki/Support-vector_machine本课件是可编辑的正常PPT课件支持向量机简介找到一个超平面，使其产生一个将数据分类的最大间距很多种分类方法？SVM

要那个最好的什么是好：找一条马路作为分界线马路越宽越好yx0最佳超平面最大边界宽度xy0本课件是可编辑的正常PPT课件支持向量机简介支持向量支持向量xy0本课件是可编辑的正常PPT课件支持向量机与逻辑回归SVM损失函数本课件是可编辑的正常PPT课件支持向量机与逻辑回归Hingeloss没有Logisticloss上升的快。也就是说，Logisticloss对于异常值会有更大的惩罚，导致逻辑回归对异常点的容忍程度相对较低。本课件是可编辑的正常PPT课件支持向量机与逻辑回归不管哪个损失函数，即使分类对了，在边界附近的值也会受到惩罚，这导致二者都会要求能够更好地分类，从而使各个值能够尽可能地远离边界。本课件是可编辑的正常PPT课件支持向量机与逻辑回归即使一个值被确信地分类了，也就是它离得边界很远，Logisticloss也不会变为零。这导致逻辑回归进一步要求所有点都能够进一步远离边界。本课件是可编辑的正常PPT课件支持向量机与逻辑回归如果一个值被比较好地分类了，也就是它离得边界比较远，Hingeloss立即变为0。这导致支持向量机并不在乎分类正确的较远的点到底在哪，它只在意边界附近的点（支持向量）本课件是可编辑的正常PPT课件大纲核本课件是可编辑的正常PPT课件核这种情况很简单本课件是可编辑的正常PPT课件核没办法线性分割啊本课件是可编辑的正常PPT课件核高斯（RBF）使用高斯函数作为核使用一个超平面线性分割本课件是可编辑的正常PPT课件核高斯（RBF）细粗本课件是可编辑的正常PPT课件大纲模型调参本课件是可编辑的正常PPT课件模型调参

奖励宽边界惩罚错误分类正则化损失函数:C

越大，Hinge

Loss

的影响越突出线性核

支持向量

xy本课件是可编辑的正常PPT课件模型调参

本课件是可编辑的正常PPT课件线性核正则化参数

C：模型有多严厉模型调参C

小

边界更宽C

大

边界更窄容易过拟合本课件是可编辑的正常PPT课件非线性（RBF

核）正则化参数

C：模型有多严厉模型调参C

小

边界更宽C

大

边界更窄容易过拟合本课件是可编辑的正常PPT课件非线性（RBF

核）gamma:数据有多胆怯模型调参gamma本课件是可编辑的正常PPT课件非线性（RBF

核）gamma:数据有多胆怯模型调参gamma

大容易过拟合gamma

小本课件是可编辑的正常PPT课件C

与gamma的比较二者小都会导致边界“更直”，大都会导致边界“弯曲”C是因为影响了边界宽度gamma是因为影响了数据的影响范围本课件是可编辑的正常PPT课件大纲例子本课件是可编辑的正常PPT课件乳腺癌诊断/uciml/breast-cancer-wiscons