機(jī)器學(xué)習(xí)與數(shù)據(jù)挖掘.ppt

《機(jī)器學(xué)習(xí)與數(shù)據(jù)挖掘.ppt》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。

1、機(jī)器學(xué)習(xí)與數(shù)據(jù)挖掘基本問題何為機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘？計(jì)算機(jī)的功能替代人的大腦進(jìn)行思維最簡單的：+-*/……稍復(fù)雜：圓、方、直線……按規(guī)則推理傳統(tǒng)的人工智能更復(fù)雜的思維能力？學(xué)習(xí)、綜合、推廣、創(chuàng)新……?用計(jì)算機(jī)全面替代人的大腦進(jìn)行思維是計(jì)算機(jī)學(xué)界的終極理想何為機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘？計(jì)算機(jī)的功能計(jì)算機(jī)“思維”水平的現(xiàn)狀人類已深刻理解的過程使用準(zhǔn)確的數(shù)學(xué)模型進(jìn)行計(jì)算各種運(yùn)算：+-*/sinlog……邊緣提取：各種算子幾何形狀提?。篐ough變換y=ax+bXYABab峰值何為機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘？計(jì)算機(jī)的功能計(jì)算機(jī)“思維”水平的現(xiàn)狀人類尚未深刻理

2、解的過程？尚未有好的辦法解決人類是如何解決的？?學(xué)習(xí)?如果計(jì)算機(jī)可如人類一樣學(xué)習(xí)，則可極大提高計(jì)算機(jī)應(yīng)用范圍和效果機(jī)器學(xué)習(xí)何為機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘？何為“學(xué)習(xí)”？H.Simon:AnyprocessbywhichasystemimprovesitsperformanceM.Minsky:LearningismakingusefulchangesinourmindsR.Michalsky:LearningisconstructingormodifyingrepresentationsofwhatisbeingexperiencedL.Va

3、liant:Learningistheprocessofknowledgeacquisitionintheabsenceofexplicitprogramming……何為機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘？學(xué)習(xí)的基本模型人類是如何學(xué)習(xí)的？基本過程：觀察?響應(yīng)熱紅色跳動(dòng)……火何為機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘？學(xué)習(xí)的基本模型人類是如何學(xué)習(xí)的？學(xué)習(xí)過程的本質(zhì)是對(duì)因果律求逆火內(nèi)在實(shí)體：不可直接觀測因果律熱紅色跳動(dòng)可觀測特征學(xué)習(xí)意識(shí)中的實(shí)體何為機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘？學(xué)習(xí)的基本模型概念空間特征空間因果律物理過程學(xué)習(xí)過程何為機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘？學(xué)習(xí)的基本模型基本要素問題：所需

4、要的輸出（類別、數(shù)值…）特征／屬性：可觀測的物理量樣本：特征組合和輸出類別的一些對(duì)應(yīng)關(guān)系何為機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘？學(xué)習(xí)的基本模型目標(biāo)通過對(duì)少量樣本的分析，獲得一個(gè)特征和輸出類別的一般性對(duì)應(yīng)關(guān)系?基本數(shù)學(xué)模型強(qiáng)：給定一組{(X,F(X))}，求F如不對(duì)F進(jìn)行很強(qiáng)的限制，一般難以實(shí)現(xiàn)弱：給定一組{(X,F(X))}，對(duì)新的X，求F(X)“舉一反三”仍然是很難的問題何為機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘？學(xué)習(xí)的基本模型應(yīng)用過程原始數(shù)據(jù)人工分析機(jī)器學(xué)習(xí)訓(xùn)練樣本模型新數(shù)據(jù)結(jié)果離線過程在線過程數(shù)學(xué)方法決定性步驟尚無有效的理論指導(dǎo)機(jī)器學(xué)習(xí)與數(shù)據(jù)挖掘研究內(nèi)容樣本準(zhǔn)備對(duì)

5、象分割對(duì)象在文檔中可能只占很小比例用整個(gè)文檔提取的特征含有大量噪聲特征與特征提取使用什么樣的特征？如何計(jì)算？如何進(jìn)行預(yù)處理？……樣本選擇正負(fù)樣本數(shù)可能嚴(yán)重失衡（1:10，1:100）樣本可能包含噪聲機(jī)器學(xué)習(xí)與數(shù)據(jù)挖掘研究內(nèi)容樣本預(yù)處理特征選擇并非所有特征都對(duì)學(xué)習(xí)有幫助過多的特征會(huì)帶來大量噪聲特征降維消除特征之間的相關(guān)性，降低特征維數(shù)過多的特征會(huì)帶來大量噪聲機(jī)器學(xué)習(xí)與數(shù)據(jù)挖掘研究內(nèi)容訓(xùn)練算法算法選擇概率的/幾何的？產(chǎn)生式/區(qū)分式？……參數(shù)選擇算法參數(shù)的選擇直接決定了訓(xùn)練出的模型的優(yōu)劣Boost是否需要Boost?用哪種Boost方法？