机器学习基础.ppt

机器学习基础 引言 什么是机器学习？ 让机器“学习”的技术 指令工作－数据工作 例子： 约会 机器学习方法： 利用已有的数据(经验)， 得出了某种模型(迟到的规律) 并利用此模型预测未来(是否迟到) 引言 机器学习的定义： 例子： 房价： 房价＝面积＊a＋b 关键概念： 训练 模型 预测 训练集和测试集 引言 机器学习的定义： 广义： 一种能够赋予机器学习的能力 以此让它完成直接编程 无法完成的功能的方法。 实践： 一种通过利用数据， 训练出模型，然后使用 模型预测的一种方法。 引言 机器学习的范围： 模式识别＝机器学习 数据挖掘＝机器学习＋数据库 统计学习和机器学习 计算机视觉＝图像处理＋机器学习 语音识别＝语音处理＋机器学习 自然语言处理＝文本处理＋机器学习 算法分类 不同类型应用场景： 回归： 预测鲍鱼的年龄 随着时间波动的股票价格 算法分类 不同类型应用场景： 分类： 电影题材归类 垃圾邮件 算法分类 不同类型应用场景： 聚类 对地图上的点进行聚类 人脸识别 算法分类 不同类型应用场景： 关联分析 啤酒和尿布 Twitter源共现词 算法分类 经典算法分类： 学习方式： 监督学习 非监督学习 半监督学习 算法分类 经典算法分类： 功能分类： 算法选择 如何选择合适的算法： 算法选择 如何使用算法： 工具的使用 机器学习常用的工具： R语言 linux版和windows版 强大的算法包 可移植性比较好 Matlab windows版比较强大，可移植性是个问题 版本问题比较严重 Python Numpy、statsmodels、scripy-learn、pandas spark 分布式框架 mllib 建议 看懂一个例子开始； 算法的重试； 参数的选择； 没有最好，只有更好。 推荐书目： 《机器学习》（周志华） 《R语言初学者指南》 《机器学习实战》 Thank you!