Python机器学习项目化教程（微课视频版）课件 第1章 机器学习概述.pptx

第1章机器学习概述

目录CONTENTS1.1什么是机器学习1.2机器学习简史1.3机器学习、人工智能与深度学习的关系1.4机器学习相关概念1.5机器学习的任务1.6机器学习的一般步骤1.7本章小结

1.1什么是机器学习学习基础信息素养高1948年，计算机科学家阿兰?图灵（AlanTuring）在《Mind》上发表的论文“ComputingMachineryandIntelligence”中提出了著名的“图灵测试”。1956年，塞缪尔（ArthurSamuel）设计了一个具有自学习能力的跳棋程序，可以在不断人机对弈的过程中提升自己的棋艺。1959年，他提出了“机器学习”的概念，此研究领域是计算机在不被明确编程的情况下，赋予它学习能力。010203信息素养高2016年3月谷歌的AlphaGo年度围棋挑战赛，AlphaGo以4:1的绝对优势战胜围棋世界冠军李世石九段。04

1.1机器学习概述机器学习的任务就是研究机器模拟人类智能的高效算法，使其能像人类一样思考、解决实际问题。手写数字识别01

1.1机器学习概述正常邮件和垃圾邮件的词云识别好瓜和坏瓜0203

1.1机器学习概述除了分类问题，机器学习还可以进行预测。

1.2机器学习简史1萌芽期1943年，心理学家麦W?Mcculloch和数理逻辑学家W?Pitts在发表的论文中提出了MP模型。MP模型是模仿神经元的结构和工作原理，MP模型作为人工神经网络的起源，开创了人工神经网络的新时代。1958年，美国科学家P.Rosenblatt提出了由两层神经元组成的神经网络──Perceptron，即感知机，可解决输入的数据线性二分类问题，从而激发科学家对人工神经网络研究的兴趣，对神经网络的发展起到了里程碑的意义。

1.2机器学习简史2发展期1963年，层次聚类算法被提出，这是一种非常符合人的直观思维的算法。1967年，J.B.MacQueen在1967年提出的k均值聚类算法。1983年，著名物理学家J.J.Hopfield提出了神经网络模型，它可模拟人类的记忆，并利用该算法求解“流动推销员问题”这个NP难题。但由于该算法存在容易陷入局部最小值的缺陷，因此并未在当时引起很大的轰动。1983年，TerrenceSejnowski和Hinton等人发明了玻尔兹曼机（BoltzmannMachines），它本质是一种无监督模型，首次提出的多层网络的学习算法，用于对输入数据进行重构以提取数据特征做预测分析。

1.2机器学习简史2发展期1986年，人工智能专家J.RossQuinlan提出著名的ID3算法，通过减少树的深度加快算法的运行速度。同年，D.E.Rumelhart等人提出了BP算法，BP算法一直是被应用得最广泛的机器学习算法之一。这期间，决策树的3种典型算法ID3、CART、C4.5陆续被提出。1995年，支持向量机（SVM算法）和AdaBoost算法被提出，SVM以统计学为基础，解决了非线性问题的分类问题。AdaBoost通过将一些简单的弱分类器集成起来使用，构建强分类器，使精度获得很大提升。代表了集成学习算法的胜利。

1.2机器学习简史3蓬勃期2006年，GeoffreyHinton团队在《科学》杂志上发表了一篇关于“梯度消失”问题解决方案的论文，提出了深度学习概念，产生了巨大影响。GeoffreyHinton也因此被称为深度学习之父。2016年，由Google基于深度学习开发的AlphaGo以4:1击败世界围棋冠军李世石，随后，该程序与中日韩数十位围棋高手进行快棋对决，连续60局无一败绩。2017年，基于强化学习算法的AlphaGo升级版AlphaGoZero横空出世，无一败绩地轻松击败了之前的AlphaGo。

1.3机器学习、人工智能与深度学习的关系1人工智能是一门科学与工程，是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学，研究内容涵盖语音识别、图像识别、自然语言处理、智能有哪些信誉好的足球投注网站和专家系统等。2机器学习是人工智能的一个分支，是实现人工智能的方法之一。机器学习是对人类生活中学习过程的一个模拟，而在这整个过程中，最关键的是数据。kNN、K-means、DecisionTrees、SVM、朴素贝叶斯、感知机、EM算法、逻辑回归及ANN(ArtificialNeuralNetworks，人工神经网络)都是常见的机器学习算法。

1.3机器学习、人工智能与深度学习的关系3深度学习是一种机器学习方法，发展于人工智能的联结主义学派，其概念源于人工神经网络，它通过组合低层特征形成更加抽象的高层特征，其动机在于建立、模拟人脑进行分析学习。在2010