人工智能基础 课件 5.1 使用机器学习实现鸢尾花分类.pptx

第5章机器学习与深度学习

任务1：使用机器学习实现鸢尾花分类任务2：使用深度学习实现手写数字识别机器学习的概念机器学习分类机器学习的流程机器学习的应用场景深度学习概述感知机深度神经网络

任务1：使用机器学习实现鸢尾花分类1机器学习的概念机器学习分类机器学习的流程机器学习的应用场景

机器学习的概念什么是机器学习（MachineLearning）呢？让我们先看一下“机器学习之父”汤姆·米切尔对于机器学习的定义：“对于某类任务T和某项性能评价准则P，如果一个计算机程序在T上其性能Р随着经验E而自我完善，称这个计算机程序从经验E中进行了学习”。图5-1机器学习概念的解释1机器学习的定义

机器学习的概念一开始，计算机程序只学习了少数苹果和梨，当我们让计算机识别一个它没有“见过”的梨或苹果时，它可能就不认识了，性能指标Р较差，随着该程序学习更多的苹果和梨，程序的经验E的就会不断的增加，该计算机程序能够“认出”更多的苹果和梨，即它的性能指标Р得到了提高。机器学习过程的描述

机器学习的概念此外，还有其他关于机器学习的定义:机器学习是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。机器学习就是通过算法，使得机器能从大量历史数据中学习规律，并利用规律对新的样本做智能识别或对未来做预测。机器学习

机器学习的概念那么机器学习定义的本质是怎么来的呢？我们从人类学习的描述中或许能够找到答案。幼儿认识水果的过程首先，我们来看一下著名的人工智能专家西蒙给出的学习概念，他认为:“如果一个系统，能够通过执行某个过程，就此改进了它的性能，那么这个过程就是学习。”我们可以看出，学习的核心目的，就是改善性能。而学习能力是智能行为的一个非常重要的特征，那么如何让机器也能像人类一样具有学习的能力呢？然后我们再来了解一下人类学习的过程。2人类学习与机器学习

机器学习的概念机器学习是仿人的一套归纳过程。人类在成长、生活过程中积累了很多历史经验，通过对这些经验进行“归纳”，掌握了一些生活“规律”。当人类遇到未知的问题或需要对未来进行“预测”时，就会使用这些“规律”指导自己的生活和工作。机器学习过程与人类对历史经验归纳过程的对比。机器学习与人类思考对比

机器学习的概念机器学习使用大量数据进行“训练”，这种学习方式利用了现代计算机的处理能力，可以轻松地处理大型数据集。传统编程：软件工程师编写程序来解决问题。要求首先给出问题解决方案，然后用代码的方式告诉计算机如何去按照方案和步骤解决问题。机器学习：数据科学家使用训练数据集来教计算机应该怎么做，然后系统执行该任务。只给出该问题的相关数据，让计算机自己学习这些数据，最后找出问题的解决方案。

机器学习分类1.监督学习监督学习需要使用有输入和预期输出标记的数据集。监督学习的目的是通过学习许多有标签的样本，然后对新的数据做出预测。例如，如果指定的任务是使用一种图像分类算法对男孩和女孩的图像进行分类，那么男孩的图像需要带有“男孩”标签，女孩的图像需要带有“女孩”标签。这些数据被认为是一个“训练”数据集，在预先知道正确的分类答案的情况下，算法对训练数据不断进行迭代预测，通过跟正确答案的对比进行不断修正，直到达到所要求的性能，学习过程才会停止。

机器学习分类监督学习又可分为“分类”和“回归”问题。（1）分类在分类问题中，机器学习的目标是对样本的类标签进行预测，判断样本属于哪一个分类，结果是离散的数值。例如：将图片分类为“苹果”或“橘子”，准确识别新图片上的水果是“苹果”类还是“橘子”类就是分类问题。再比如：有一个胸部肿瘤的数据集，数据部分是肿瘤的大小等特征，对应的标签表示肿瘤是否为良性的。假如有一个新的肿瘤数据，对应的机器学习算法就根据肿瘤的尺寸等数据，估算出一个概率，即肿瘤为良性的概率或恶性的概率，就是预测输出一个离散值0/1，也就是良性/恶性。

机器学习分类（2）回归在回归问题中，其目标是预测一个连续的数值或者是范围。例如：豆瓣上每部电影都有一个评分，从0到10分，分数越高说明影片越受欢迎。预测即将上映的新电影的分值，就是回归问题。再比如：预测一套二手房的售价，给定房价的数据集，每套房子大小等特征数据对应的标签就是房价，如果你有一套房子想知道能卖多少钱，机器学习算法就根据输入的房子大小数据，预测出房子对应的市场价。

机器学习分类2.无监督学习在无监督学习中给定的数据没有标签。无监督学习算法的目标是以某种方式组织数据，然后找出数据中存在的内在结构，这包括将数据进行聚类，或者找到更简单的方式处理复杂数据，使复杂数据看起来更简单。聚类是典型的无监督学习，事先不知道样本的类别，通过某种办法，把相似的样本放在一起归位一类。例如，餐馆拥有大量顾客的消费数据，想对顾客进行分组，以提供针对性优