人工智能概论（第2版） 课件第3章 机器学习.pptx

第三章机器学习——让人工智能学会思考

目录什么是机器学习机器学习的模型机器学习的方法机器学习的应用领域案例——鸢尾花种类识别

什么是机器学习PART01

什么是机器学习机器学习（MachineLearning）人类是在经验中不断学习。人工智能是否有相似的思考能力呢？机器学习就是专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能的学科。它是人工智能的核心，是使计算机具有智能的根本途径，其应用已遍及人工智能的各个分支，如自然语言处理、模式识别、机器视觉、智能机器人等领域。

机器学习的过程数据组成特征值：表示特征的取值特征：反应事物或对象在某方面的表现或性质的事项，特征的质量决定了模型的效果。标签：表示预测的结果机器学习是通过计算机算法，发现和学习历史数据中蕴含的规律，并产生模型，当有新的数据时，我们使用产生的模型进行预测，这也是机器学习的学习过程。

机器学习的过程样本、训练数据集、测试数据集机器学习的学习过程可以分为两个阶段：训练阶段和预测阶段

学习模型PART02

学习模型有哪些？机器学习常见的学习模型主要有分类模型、回归模型和聚类模型等，每种模型的建立有不同的学习算法。聚类模型是将数据分成几个相异性最大的群组，群组内的数据相似性最高。

机器学习的方法强化学习不提供训练数据，计算机利用自己学习得到的策略来指导行动，通过产生新的数据，反馈结果（奖励或者惩罚），根据反馈调整优化策略，最终得到想要的结果。半监督学习对小部分的样本提供预测量的真实值。通过有效利用小部分监督信息，取得比无监督学习更好的效果，同时把监督信息的成本控制在可以接受的范围。有监督学习（分类问题和回归问题）有监督学习（SupervisedLearning）要求为每个样本提供预测量的真实值，通过测试结果与测试样本结果进行比较，不断调整预测模型，直到达到一个预期的准确率。无监督学习（聚类问题）不提供标签值的条件下进行学习，直接对输入数据进行建模。

有监督学习水果部分样本数据使用KNN算法实现的水果分类可视化表示主要处理分类问题和回归问题1.分类模型：K-近邻算法（KNN）应用

有监督学习天气样本数据决策树模型主要处理分类问题和回归问题2.分类模型：决策树ID3算法

有监督学习建立回归模型为y=45.7x+148,模型的可视化效果如红色线，采用一次线性函数建模。主要处理分类问题和回归问题3.回归模型：线性回归算法应用

机器学习的应用领域PART03

应用领域计算机视觉计算机视觉=图像处理+机器学习。图像处理技术用于将图像处理为适合进入机器学习模型中的输入，机器学习则负责从图像中识别出相关的模式。计算机视觉相关的应用非常的多，例如百度识图、手写字符识别、车牌识别等应用。

应用领域自然语言处理自然语言处理=文本处理+机器学习。自然语言处理主要是让机器理解人类的语言的一门技术。自然语言处理的应用领域十分广泛，如从大量文本数据中提炼出有用信息的文本挖掘，以及利用文本挖掘对社交媒体上商品和服务的评价进行分析等。

应用领域语音识别语音识别=语音处理+机器学习。语音识别就是音频处理技术与机器学习的结合。语音识别技术一般不会单独使用，一般会结合自然语言处理的相关技术。目前的相关应用有苹果的语音助手Siri等。

第三章机器学习