01-1 机器学习简介.pptx

机器学习与算法应用第一章机器学习概述机器学习简介0102040503机器学习的一般流程典型机器学习应用领域机器学习算法分类机器学习、人工智能和数据挖掘目录 CONTENT机器学习背景伴随着计算机计算能力的不断提升以及大数据时代的迅猛发展，人工智能也取得了前所未有的进步。很多企业均开始使用机器学习的相关技术于大部分行业中，以此获得更为强大的洞察力，也为企业的日常生活和企业运营带来了很大的帮助，从而提高了整个产品的服务质量。机器学习的典型应用领域有：搜索引擎、自动驾驶、量化投资、计算机视觉、信用卡欺诈检测、游戏、数据挖掘、电子商务、图像识别、自然语言处理、医学诊断、证券金融市场分析以及机器人等相关领域，故在一定程度上，机器学习相关技术的进步也提升了人工智能领域发展的速度。机器学习简介机器学习(Machine Learning)，作为计算机科学的子领域，是人工智能领域的重要分支和实现方式。机器学习的思想：计算机程序随着经验的积累，能够实现性能的提高。对于某一类任务T及其性能度量P，若一个计算机程序在T上以P衡量的性能随着经验E而自我完善，那么就称这个计算机程序在从经验E学习。主要的基础理论：数理统计，数学分析，概率论，线性代数，优化理论，数值逼近、计算复杂性理论。机器学习的核心元素：算法、数据以及模型。机器学习简介机器学习简史机器学习主要流派0 1机器学习简史作为一门不断发展的学科，机器学习尽管在最近几年才发展成为一门独立的学科起源于20世纪50年代以来人工智能的逻辑推理、启发式搜索、专家系统、符号演算、自动机模型、模糊数学以及神经网络的反向传播BP算法等。如今作为机器学习重要的基础理论。机器学习简史---机器学习的大致演变过程机器学习阶段年份主要成果人工智能起源1936自动机模型理论1943MP模型1951符合演算1950逻辑主义1956人工智能人工智能初期1958LISP1962感知器收敛理论1972通用问题求解(GPS)1975框架知识表示进化计算1965进化策略1975遗传算法1992基因计算专家系统和知识工程1965模糊逻辑、模糊集1969DENDRA、MYCIN1979ROSPECTOR神经网络1982Hopfield网络1982自组织网络1986BP算法1989卷积神经网络1998LeBNet1997循环神经网络RNN分类算法1986决策树ID3算法1988Boosting算法1993C4.5算法1995AdaBoost算法1995支持向量机2001随机森林深度学习2006深度信念网络2012谷歌大脑2014生成对抗网络GAN右表总结了机器学习的大致演变过程。机器学习的发展分为知识推理，知识工程，浅层学习和深度学习三个阶段。机器学习简史---机器学习的大致演变过程机器学习阶段年份主要成果人工智能起源1936自动机模型理论1943MP模型1951符合演算1950逻辑主义1956人工智能人工智能初期1958LISP1962感知器收敛理论1972通用问题求解(GPS)1975框架知识表示进化计算1965进化策略1975遗传算法1992基因计算专家系统和知识工程1965模糊逻辑、模糊集1969DENDRA、MYCIN1979ROSPECTOR神经网络1982Hopfield网络1982自组织网络1986BP算法1989卷积神经网络1998LeBNet1997循环神经网络RNN分类算法1986决策树ID3算法1988Boosting算法1993C4.5算法1995AdaBoost算法1995支持向量机2001随机森林深度学习2006深度信念网络2012谷歌大脑2014生成对抗网络GAN知识推理期始于1950年代中期。这时，人工智能主要通过专家系统提供计算机逻辑推理功能。从1970年代开始，人工智能进入了知识工程时期，E.A. Feigenbaum作为知识工程之父，于1994年获得了图灵奖。此时期由于人类无法汇总所有知识并将其教授给计算机系统，因此现阶段的人工智能面临知识获取的瓶颈。机器学习简史---机器学习的大致演变过程在1950年代，已经有了机器学习的相关研究。代表工作主要是F. Rosenblatt基于神经感觉科学提出的计算机神经网络，即感知器。随后十年，用于浅层学习的神经网络风靡一时，尤其是Marvin Minsky提出了著名的XOR问题和感知器线性度不可分割的问题。局限：由于计算机的计算能力有限，因此很难训练多层网络。通常使用仅具有一个隐藏层的浅层模型。尽管已经陆续提出了各种浅层机器学习模型，但理论分析和应用方面都已产生。但是，理论分析和训练方法的难度要求大量的经验和技能。而随着最近邻算法和其他算法的相继提出，在模型理解，准确性和模型训练方面已经超越了浅层模型。机器学习的发展几乎停滞不前。机器学习简史---机器学习的大致