机器学习基础与应用 课件 第一章 机器学习基础知识

第一章机器学习基础知识目

录人工智能、机器学习与深度学习的关系机器学习的定义机器学习的主要任务机器学习的学习方式机器学习的三要素0102030405人工智能、机器学习与深度学习的关系01人工智能、机器学习与深度学习的关系机器学习是通过对数据分析、学习与训练，使计算机系统能自主预测和决策的技术。深度学习是通过构建多层神经网络，让计算机系统能够自动对大量数据进行学习和处理。深度学习是机器学习的进一步发展，机器学习和深度学习是人工智能技术的重要组成部分。01机器学习的定义02机器学习的定义机器学习指的是计算机通过对数据、事实或自身经验的自动分析和综合获取知识的过程。机器学习一般通过归纳、一般化、类比等基本方法探索人类的认识规律和学习过程，建立各种能通过经验自动改进的算法，使计算机具有自动学习特定知识和技能的能力，是使计算机具有智能的根本途径。02机器学习的主要任务03机器学习的主要任务03分类是找出一组数据对象的共同特点并按照分类模式将其划分为不同的类，其目的是通过分类模型将数据项映射到某个给定的类别。分类回归反映的是数据属性值在时间上的特征，产生一个将数据项映射到一个预测值变量的函数，发现变量或属性值间的依赖关系，其主要研究问题包括数据序列的趋势特征、数据序列的预测以及数据间的关系等。回归聚类是把一组数据按照相似性和差异性分为几个类别，其目的是使得属于同一类别的数据间的相似性尽可能大、不同类别中的数据间的相似性尽可能小。聚类机器学习的学习方式04机器学习的学习方式04监督学习监督学习是机器学习中常见且较容易使用的方法之一，指的是机器使用标记良好的训练数据进行训练，因此模型可以在使用数据集训练的基础上预测输出。无监督学习无监督学习是指模型使用未标记的数据集进行训练，并允许在没有任何外部监督的情况下对数据采取行动。无监督学习常用于处理聚类问题。半监督学习半监督学习是监督学习与无监督学习相结合的一种学习方法。半监督学习使用大量无标签数据和少部分有标签数据来进行机器学习。强化学习强化学习受到行为心理学的启发，其主要关注智能体如何在环境中采取不同的行动，以最大限度地提高累积奖励。机器学习的三要素05机器学习的三要素机器学习的三个要素是数据、模型和算法。在机器学习的过程中，三个要素相互作用，不断优化，使得机器能够不断学习和进步。05数据是机器学习的基础模型是对数据进行拟合和预测的工具算法是实现模型的方法和技术数据算法模型机器学习的三要素数据集通常由一条条数据（每一行）样本组成，样本由描述其各个维度信息的特征及目标值标签（或无）组成。数据通常有数值型、文本型、图像型等类型数据，这些数据在机器学习中常常被划分为有标注数据和无标注数据两种。05数据机器学习的三要素有标注数据指的是每一个数据X，都有一个对应的标签Y；无标注数据指的是数据集中只有数据X，没有标签Y05数据XY[1,1,1]0[0,1,1]1[1,0,1]2[1,1,0]3机器学习的三要素在有监督学习（数据拥有标签Y）中，数据集通常会被分为训练集、验证集、测试集（按6

:

2

:

2的比例）三部分或者训练集、测试集（按8

:

2的比例）两部分，数据集的具体划分可按照实际情况来进行。05数据训练集用于训练模型的样本集合。可以比喻成学生的课本，用于给学生学习、掌握课本内容的知识。验证集用于验证模型性能的样本集合。可以比喻成学生的作业，用于检验学生的学习情况、进步快慢等，需要根据情况进行调整。测试集用于测试最后得到的模型的性能。可以比喻成学生的考试，用于考查学生的整体能力。机器学习的三要素一个好的模型需要经过训练才能得到最终的结果，而这个训练的过程就需要依靠某些方法来让模型变得更好，而这里的方法指的就是算法。机器学习的主要算法可分分类算法、回归算法、聚类算法三种。常见的机器学习算法有朴素贝叶斯分类、逻辑回归、决策树、随机森林、支持向量机、K-最近邻、K-均值聚类等。05算法机器学习的三要素模型指的是将数据输入算法中进行训练后得到的结果，可概括为数据+算法=模型。模型的效果：假设y=f(x)是一