项目6-1 什么是算法-教学课件

项目六机器学习：人工智能的灵魂第1课时

什么是算法

授课人：XXX智能的手机💡算法是人工智能的基础与核心！智能路线规划地图App实时计算推荐最快路线，自动避开拥堵，让出行更高效从容。个性化内容推荐平台根据浏览收藏习惯，精准推送感兴趣的内容，懂你所爱。智能语音助手语音指令快速响应，查天气、设闹钟、发消息，像贴心小秘书。智能的机器行为背后，都离不开一个核心支撑——算法！什么是算法？算法：一组明确的指令或步骤将输入数据转化为预期的输出结果，就像烹饪的“配方”一样！💡算法是人工智能的基础与核心！输入输出实践体验：冒泡排序算法🤔

无序数组[3,1,4,2,5]，如何按“从小到大”的规则排序？

31425Step

113425Step

213425Step

31324513245Step

413245Step

512345Step

6输入：无序数组冒泡排序算法：

重复比较相邻元素，大数据往后移输出：升序数组机器是如何学习的？传统算法数据+规则

➡️答案机器学习算法数据

➡️机器自主学习、持续改进➡️答案*通过让机器持续接触数据、自主迭代学习，最终使其具备图像识别、语音识别等智能能力*🤖机器学习算法=让机器实现“自动学习”与“持续改进”的核心技术机器学习算法的分类无监督学习Unsupervised

Learning*通过让机器持续接触数据、自主迭代学习，最终使其具备图像识别、语音识别等智能能力*聚类降维关联规则有监督学习Supervised

Learning数据带有人工标注标签训练“输入数据➡️输出结果”数据，

提取特征，建立“特征➡️结果”关系回归分类🤖机器学习算法=让机器实现“自动学习”与“持续改进”的核心技术数据无需人工标注机器自主发现内部潜在的结果、隐藏的规律深度学习Deep

Learning输入出、隐藏层、输出层，权重参数传递信息；训练过程不断调整权重，减小预测误差无监督学习：机器的自主探索将数据集中的对象分成若干个组，每个组内的对象具有相似的特征不同组之间的对象具有较大的差异性K-means层级聚类图像识别、推荐系统、市场细分等领域聚类Cluster在复杂的数据中剔除无关内容，从而更好地洞察数据的本质和趋势主成分分析T-SNE降维Dimensionality

Reduction关联规则挖掘Association

Rules从数据中发现频繁出现的规律和模式Apriori算法市场营销、商品推荐等领域关联规则挖掘Association

Rules🔍无标注·自主探索·发现规律让机器从未经人工标注的数据中，自动发现规律与模式的机器学习算法。这种学习方式无需预先明确输出结果的具体形式，也无须为训练样本标注“正确答案”（即标签）。洞察数据趋势聚类算法应用：RFM模型R最近消费时间Recency距上次购买越近，客户活跃度越高⬆️值越小➡️价值越高F消费频率Frequency购买次数越多，客户忠诚度越高⬆️值越大➡️价值越高M消费金额Monetary总消费金额越高，客户贡献越大

⬆️值越大➡️价值越高RFM

3维度衡量客户价值➡️将客户分为8种类型R分值F分值M分值RFM分值客户类型高高高222重要价值客户高高低221一般价值客户高低高212重要发展客户高低低211一般发展客户低高高122重要保持客户低高低121一般保持客户低低高112重要挽留客户低低低111一般保持客户【🤔想一想】无监督学习算法在实际生产和生活中有哪些应用？在什么情况下适合选择无监督学习算法？有监督学习：带标签的学习让机器通过学习历史数据，在新的场景中预测某个连续的输出值。-房价预测：面积、区域➡️价格-疾病预测：血压、血糖➡️疾病发展趋势回归Regression连续值🔍有标注·模型训练·发现规律让机器通过学习历史数据，在新场景中判断数据属于哪一预设类别。-垃圾邮件分类：邮件内容➡️垃圾/正常-人脸识别：面部特征➡️身份判断分类Classification离散类别输入带标签的数据➡️训练模型➡️预测新数据用标注好答案的数据训练模型数据连续/离散回归/分类成绩连续回归水果品种离散分类年龄连续回归性别离散分类日期连续回归学历离散分类✏️试一试线性回归多项式回归支持向量回归决策树回归随机森林回归神经网络回归逻辑回归朴素贝叶斯支持向量机决策树分类随机森林分类神经网络分类有监督学习：决策树🍉：西瓜挑选硬滑纹理触感否是否模糊清晰软粘特征：影响决策结果的因素分支（通路）：代表特征的某个可能的属性值终节点：给出决策的结论通过树形结构实现分类决策的算法模型深度学习：模拟人脑的神经网络模型神经网络

图像识别模拟人脑神经元信息传递的算法模型

语音识别自然语言处理⚠️

核心突破：无需人工设计特征，直接从原始数据中自动学习高维规律，让机器具备自主进化的“学习力”！生成式AI飞速发展：今天我们学到了什么？01算法📝定义：一组有明确的指令或步骤；

将输入数据转化为输出结果🔤

eg：冒泡排序算法02机器学习算法无监督学习：自主探索-聚类、降维、关联规则无监督学习：带标签数据的训练-回归（连续）；分类（离散）03深度学习📝

模拟人脑的神经网络模型-输入层、处理层、输出层-图像识别、语音识别、自然语言处理-生成式AI：Chat