機器學(xué)習(xí)技術(shù)任務(wù)驅(qū)動式教程-課件 模塊1 了解機器學(xué)習(xí)

理解機器學(xué)習(xí)的概念和目標了解機器學(xué)習(xí)的四個發(fā)展階段了解機器學(xué)習(xí)涉及的行業(yè)領(lǐng)域機器學(xué)習(xí)常用方法了解常用的機器學(xué)習(xí)方法參考書目《機器學(xué)習(xí)技術(shù)任務(wù)驅(qū)動式教程》了解機器學(xué)習(xí)模塊1機器學(xué)習(xí)技術(shù)考核方式1.平時表現(xiàn)（70%）

-考勤

-課堂提問

-課堂作業(yè)

-課后作業(yè)2.考試（30%）過程考核目錄機器學(xué)習(xí)技術(shù)簡介機器學(xué)習(xí)發(fā)展史機器學(xué)習(xí)應(yīng)用領(lǐng)域機器學(xué)習(xí)常用方法Sklearn機器學(xué)習(xí)庫小結(jié)習(xí)題一了解機器學(xué)習(xí)模塊1機器學(xué)習(xí)技術(shù)機器學(xué)習(xí)簡介機器學(xué)習(xí)（MachineLearning,ML）專門研究機器模擬或?qū)崿F(xiàn)人類的行為，以獲得新的知識或技能，并且能夠優(yōu)化現(xiàn)有的知識結(jié)果使之適應(yīng)新的環(huán)境。模擬機器學(xué)習(xí)簡介機器學(xué)習(xí)是將現(xiàn)實中的問題抽象為數(shù)學(xué)模型，利用歷史數(shù)據(jù)對數(shù)據(jù)模型進行訓(xùn)練，然后基于數(shù)據(jù)模型對新數(shù)據(jù)進行求解，并將結(jié)果再轉(zhuǎn)為現(xiàn)實問題的答案的過程。（1）現(xiàn)實問題抽象為數(shù)學(xué)問題；1機器學(xué)習(xí)的實現(xiàn)步驟（2）數(shù)據(jù)處理為要求的格式；（3）選擇或創(chuàng)建模型；（4）模型訓(xùn)練及評估；（5）預(yù)測新的數(shù)據(jù)。機器學(xué)習(xí)簡介主要步驟2機器學(xué)習(xí)的處理流程機器學(xué)習(xí)發(fā)展史探索期：20世紀50年代~60年代中葉1

第1/4階段側(cè)重于非符號的神經(jīng)元模型探索，研究目標是自組織系統(tǒng)和自適應(yīng)系統(tǒng)。主要研究方法是不斷修改系統(tǒng)的控制參數(shù)以改進系統(tǒng)的執(zhí)行能力，不涉及與具體任務(wù)有關(guān)的知識。塞繆爾的跳棋程序就是本階段的典型例子。這個時期的機器學(xué)習(xí)方法取得的學(xué)習(xí)結(jié)果都很有限，遠不能滿足人們對機器學(xué)習(xí)系統(tǒng)的期望。我國研制出了數(shù)字識別學(xué)習(xí)機。機器學(xué)習(xí)發(fā)展史發(fā)展期：20世紀60年代中葉~70年代中葉2

第2/4階段側(cè)重于符號學(xué)習(xí)，研究目標是模擬人類的概念學(xué)習(xí)過程，并采用邏輯結(jié)構(gòu)和圖結(jié)構(gòu)作為機器內(nèi)部描述。機器學(xué)習(xí)采用符號來描述概念，并提出了關(guān)于學(xué)習(xí)概念的各種假設(shè)。代表性工作有溫斯頓（Winston）的結(jié)構(gòu)學(xué)習(xí)系統(tǒng)和海思（Hayes）等人的歸納學(xué)習(xí)系統(tǒng)。這類學(xué)習(xí)系統(tǒng)只能學(xué)習(xí)單一概念，不能投入實際應(yīng)用。我國機器學(xué)習(xí)研究陷于停滯。機器學(xué)習(xí)發(fā)展史復(fù)興期：20世紀70年代中葉~80年代中葉3

第3/4階段機器學(xué)習(xí)的概念從單個到多個，機器學(xué)習(xí)過程建立在大規(guī)模的知識庫上，實現(xiàn)知識強化學(xué)習(xí)。1980年，美國卡內(nèi)基-梅隆大學(xué)（CMU）召開了第一屆機器學(xué)習(xí)國際研討會，標志機器學(xué)習(xí)研究走向繁榮。本階段的代表性工作有莫斯托（Mostow）的指導(dǎo)性學(xué)習(xí)、萊納特（Lenat）的數(shù)字概念發(fā)現(xiàn)程序、蘭利（Langley）的BACON程序及其改進版本。20世紀70年代末，中國科學(xué)院自動化研究所進行質(zhì)譜分析和模式文法推斷研究，機器學(xué)習(xí)研究重新得到恢復(fù)。機器學(xué)習(xí)發(fā)展史最新階段：80年代中葉~至今4第4/4階段機器學(xué)習(xí)綜合多門學(xué)課，進入最新階段。機器學(xué)習(xí)已成為新的學(xué)課并在許多高校開設(shè)課程。結(jié)合各種學(xué)習(xí)方法，取長補短的集成學(xué)習(xí)系統(tǒng)研究正在興起。機器學(xué)習(xí)與人工智能各種基礎(chǔ)問題的統(tǒng)一性觀點逐漸成型。機器學(xué)習(xí)方法的應(yīng)用范圍不斷擴大，商業(yè)性應(yīng)用層出不窮。機器學(xué)習(xí)研究已形成熱潮，相關(guān)的學(xué)術(shù)活動空前活躍。機器學(xué)習(xí)應(yīng)用領(lǐng)域通過探索和與環(huán)境交互來學(xué)習(xí)1

自動駕駛機器學(xué)習(xí)應(yīng)用領(lǐng)域聲音、圖像經(jīng)過模型識別后轉(zhuǎn)換為文字、特征，推薦的商品也反映用戶的習(xí)慣和興趣。2

個性化推薦機器學(xué)習(xí)應(yīng)用領(lǐng)域從已分類郵件建立模型，識別未知郵件3

垃圾郵件分類機器學(xué)習(xí)應(yīng)用領(lǐng)域周期性識別課堂圖片中的學(xué)生，顯示實時考勤4

課堂考勤機器學(xué)習(xí)常見方法監(jiān)督學(xué)習(xí)是機器學(xué)習(xí)中一種常用的學(xué)習(xí)方法，其訓(xùn)練樣本中包含特征和標簽。它利用一組已知標簽的樣本調(diào)整模型參數(shù)，使其達到所要求的性能，也稱為監(jiān)督訓(xùn)練或有教師學(xué)習(xí)。1

監(jiān)督學(xué)習(xí)決策樹K-最近鄰貝葉斯分類回歸支持向量機深度學(xué)習(xí)機器學(xué)習(xí)常見方法無監(jiān)督學(xué)習(xí)中的訓(xùn)練樣本沒有對應(yīng)的標簽或目標值。這意味著無法提供訓(xùn)練數(shù)據(jù)，機器只能自行學(xué)習(xí)，而無需事先提供任何有關(guān)標簽或目標的信息。預(yù)測結(jié)果是樣本的分類。2

無監(jiān)督學(xué)習(xí)K-均值最大期望機器學(xué)習(xí)常見方法強化學(xué)習(xí)的輸出標簽不是直接的是或否，而是一種獎懲機制。它描述和解決智能體(agent)在復(fù)雜不確定的環(huán)境(environment)下極大化獎勵問題。3

強化學(xué)習(xí)策略優(yōu)化Q-LearningMBMF機器學(xué)習(xí)常見方法深度學(xué)習(xí)、機器學(xué)習(xí)和人工智能之間關(guān)系4

機器學(xué)習(xí)所處位置Sklearn機器學(xué)習(xí)庫2010年發(fā)布的Scikit-learn（又稱為Sklearn）是機器學(xué)習(xí)領(lǐng)域非常熱門的一個開源包，基本功能分為六大部分。Sklearn分類回歸數(shù)據(jù)降維聚類模型選擇數(shù)據(jù)預(yù)處理小結(jié)機器學(xué)習(xí)是人工智能的一個重要分支，也是機器獲取智能的重要途經(jīng)。機器學(xué)習(xí)處理對象既有類似二維表的結(jié)構(gòu)化數(shù)據(jù)，也有文本、語音、圖像等非結(jié)構(gòu)化數(shù)據(jù)。監(jiān)督學(xué)習(xí)的訓(xùn)練樣本包含標簽，而非監(jiān)督學(xué)習(xí)的樣本則沒有標簽。深度學(xué)習(xí)屬于機器學(xué)習(xí)的一個分支，是通過深度網(wǎng)絡(luò)模型自動提取特征的一類學(xué)習(xí)算法。Sklearn提供目前常用的機器學(xué)習(xí)算法接口。習(xí)題一一選擇題1.下面（）步驟不屬于監(jiān)督學(xué)習(xí)的流程。A.數(shù)據(jù)準備 B.模型訓(xùn)練C.模型評估 D.數(shù)據(jù)展示2.K-均值算法屬于（）。A.監(jiān)督學(xué)習(xí) B.無監(jiān)督學(xué)習(xí)C.強化學(xué)習(xí) D.深度學(xué)習(xí)3.下列表述中，不屬于神經(jīng)網(wǎng)絡(luò)的組成部分的是（）。A.輸入層 B.輸出層C.隱藏層 D.特征層習(xí)題一一選擇題4.不屬于監(jiān)督學(xué)習(xí)的方法是（）。A.K-最近鄰 B.邏輯回歸C.策略優(yōu)化 D.決策樹5.不屬于集成學(xué)習(xí)的方法是（）。A.投票法 B.K-均值C.Bagging D.AdaBoost習(xí)題一二填空題1.深度學(xué)習(xí)是（）的一種，而（）是實現(xiàn)人工智能的重要途經(jīng)。2.在K-最近鄰、邏輯回歸、決策樹、