Lecture 1_Introduction 机器学习概论 教学课件.ppt

分类应用示例－银行放贷 categorical categorical quantitative class Test Set Training Set Model Learn Classifier 给对象进行归组，使得： 同一组的对象之间尽可能相似； 不同组的对象之间尽可能不相似。 Inter-cluster distances are maximized Intra-cluster distances are minimized 聚类 文本聚类 把相关文档归并在一起方便浏览。 市场分割 把市场细分称不同的客户群，每个客户群有相似的行为，使得广告和促销等商业销售手段做到有的放矢。 其他 把功能相似的基因或蛋白质放在一起便于分析。 获取价格波动相似的股票有助于决策。 … 聚类分析－应用场景 聚类应用示例－有哪些信誉好的足球投注网站结果聚类 元有哪些信誉好的足球投注网站引擎－Pinky Search 关联规则 给定一组记录 记录由项目组成 获取项目之间的依赖关系 Rules Discovered: {Milk} -- {Coke} {Diaper, Milk} -- {Beer} 啤酒与尿布 关联规则－应用场景 购物分析 (Market-basket analysis) 发现规则：用于促销、货价管理和存货管理等。 电信警报诊断 (Telecommunication alarm diagnosis) 发现在同一时段经常同时发生的警报。 医疗信息 (Medical Informatics) 发现与某种疾病关联的并发症状。 关联规则应用示例－推荐系统 关联规则 buys(U, Book A) buys(U, Book B) confidence = 95% 查找 《Data Mining: Concepts and Techniques》 推 荐 亚马逊书店 内容提要 教辅人员 参考资料 课程网站 课程要求及目的 课程考核机制 机器学习简介 课程内容简介 课程内容介绍－分类 符号逻辑方法 谓词逻辑规则 Find-S, Candidate-Elimination, Decision Tree, Sequential Covering Algorithms 一阶谓词规则 FOIL 贝叶斯方法 相关基本概率概念以及贝叶斯公式 朴素贝叶斯方法 贝叶斯网络 EM算法 神经网络 感知器（线性） 前馈多层神经网络－逆向传播算法（任意函数） 课程内容介绍－分类 其它 支持向量机 (SVM) 统计学习理论 线性SVM 非线性SVM－核函数 k近邻 (kNN) 分类器集成 Bagging Boosting 性能评估 课程内容介绍－聚类 相似性度量 距离 向量距离 编辑距离 相似系数 聚类间相似性度量 核心算法 层次聚类方法 层次凝聚聚类算法，… 划分聚类方法 K-Means，… 密度聚类方法 DBSCAN 基于模型的方法 EM, SOM,… 性能评估 课程内容介绍－模式挖掘 基本概念 支持度、置信度、关联规则、频繁模式、… 频繁模式挖掘经典算法 Apriori算法 垂直算法 (Eclat and dEclat) FP-Growth 最长模式和闭模式挖掘 交互挖掘 增量挖掘 高级话题 序列模式挖掘 图模式挖掘 数据流环境下频繁模式挖掘 … 课后思考 Day outlook Temperature Humidity Wind PlayTennis 1 Sunny Hot High Weak No 2 Sunny Hot High Strong No 3 Overcast hot high weak yes 4 rainy mild high weak yes 5 rainy cool normal weak yes 6 rainy cool normal strong no 7 overcast cool normal strong