人工智能基础及应用（微课版） 课件 第4章 机器学习.pptx

第五章机器学习机器学习机器学习概述k最近邻决策树贝叶斯学习支持向量机聚类分析基于K-均值方法实现鸢尾花聚类电子信息工程系DepartmentofElectronicInformation哈尔滨理工大学HarbinUniversityofScienceandTechnology4.1机器学习的概念4.1.1什么是机器学习机器学习的核心是学习。关于学习，至今没有一个精确的、能被公认的定义。目前在机器学习领域影响较大的是美国卡耐基梅隆大学教授西蒙的观点：如果一个系统能够通过执行某种过程而改进它自身的性能，这就是学习。这个阐述包含三个要点：学习是一个过程；学习是对一个系统而言的，这个系统可以是简单的一个人或者一台机器，也可以是相当复杂的一个计算系统，甚至是包括人在内的人机计算系统；学习能够改善系统性能。电子信息工程系DepartmentofElectronicInformation哈尔滨理工大学HarbinUniversityofScienceandTechnology4.1机器学习的概念机器学习系统的基本模型，如图4-1所示，共包含4个部分，环境、学习单元、知识库和执行单元。图4-1机器学习系统基本模型电子信息工程系DepartmentofElectronicInformation哈尔滨理工大学HarbinUniversityofScienceandTechnology4.1机器学习的概念1.环境环境是指系统外部信息的来源，它可以是系统的工作对象，也可以包括工作对象和外界条件，为系统的学习提供相关对象的素材信息，如何构造高质量、高水平的信息，将对学习系统获取知识的能力有很大的影响。2.学习单元学习单元用于处理环境提供的信息，相当于各种学习算法，通过对环境的有哪些信誉好的足球投注网站获得外部信息，并将这些信息与执行环节所反馈的信息进行比较。一般情况下，环境提供的信息水平与执行环节所需的信息水平之间往往有差距，经过分析、综合、类比和归纳等思维过程，学习单元从这些差距中获取相关对象的知识，并将这些知识存入到知识库。电子信息工程系DepartmentofElectronicInformation哈尔滨理工大学HarbinUniversityofScienceandTechnology4.1机器学习的概念3.知识库知识库用于存储学习得到的知识，在存储时要进行适当的组织，使它即便于应用又便于维护。4.执行单元执行单元用于处理系统面临的现实问题，即应用知识库中所学到的知识求解问题，如智能控制、自然语言理解和定理证明等，并对执行的效果进行评价，将评价的结果反馈学习环节，以便系统进一步的学习。电子信息工程系DepartmentofElectronicInformation哈尔滨理工大学HarbinUniversityofScienceandTechnology4.1机器学习的概念4.1.2机器学习的发展历程第一阶段为20世纪50年代至60年代，这个阶段属于机器学习的“萌芽期”，主要研究的是无知识学习，此时期诸多经典的算法被提出，但大多数都集中在人工神经网络方向。主要代表性事件有：1950年，“人工智能之父”图灵提出了著名的“图灵测试”，使人工智能成为计算机学科领域一个重要的研究课题；1957年，美国康奈大学教授弗兰克提出的Perceptron理论，首次用算法精确定义了自组织学习的神经网络数学模型，设计出了第一个计算机神经网络，这个机器学习算法成为神经网络模型的“开山鼻祖”；1959年，IBM公式的Samuel设计了一个具有学习能力的跳棋程序，曾经战胜了美国一个保持8年不败的冠军，这个程序向人们初步展示了机器学习的能力。当时的模型具有很大的局限性，其性能还达不到人们对机器学习系统的期望。电子信息工程系DepartmentofElectronicInformation哈尔滨理工大学HarbinUniversityofScienceandTechnology4.1机器学习的概念第二阶段为20世纪60年代到70年代，这一阶段属于机器学习的“低谷期”，主要研究符号概念获取，井提出关于学习概念的各种假设。但是当时提出的备类机器学习算法，性能上存在缺陷，难以满足业务需求，学术界对机器学习的研究热情也由此陷入一个低谷期。这个时期的主要代表性时间有：1962年，Hubel和Wiesel发现猫脑皮层中独特的神经网络结构可以有效降低学习的复杂性，从而提出著名的Hubel-Wiesel生物视觉模型，并启发之后提出的多种神经网络模型；1969年，人工智能研究的先驱者MarvinMinsky和SeymourPaper出版了对机器学习研究具有深远影响的