機(jī)器學(xué)習(xí)-01引言ppt課件

1、1,機(jī)器學(xué)習(xí)主講：張莉,第一章 引言,2,什么是機(jī)器學(xué)習(xí),什么是機(jī)器學(xué)習(xí) 計(jì)算機(jī)程序如何隨著經(jīng)驗(yàn)積累自動(dòng)提高性能 系統(tǒng)自我改進(jìn)的過程 成功應(yīng)用 學(xué)習(xí)識(shí)別人類講話 學(xué)習(xí)駕駛車輛 學(xué)習(xí)分類新的天文結(jié)構(gòu) 學(xué)習(xí)對(duì)弈西洋雙陸棋,3,人工智能 學(xué)習(xí)概念的符號(hào)表示 作為搜索問題的機(jī)器學(xué)習(xí) 作為提高問題求解能力的學(xué)習(xí) 利用先驗(yàn)知識(shí)和訓(xùn)練數(shù)據(jù)來引導(dǎo)學(xué)習(xí) 計(jì)算復(fù)雜性理論 復(fù)雜性的理論邊界 計(jì)算量、訓(xùn)練數(shù)據(jù)量、錯(cuò)分量,相關(guān)學(xué)科,4,控制論 為了優(yōu)化預(yù)定目標(biāo)，學(xué)習(xí)對(duì)各種處理過程進(jìn)行控制，學(xué)習(xí)預(yù)測(cè)被控過程的下一狀態(tài) 信息論 熵和信息內(nèi)容的度量 學(xué)習(xí)最小描述長度方法 統(tǒng)計(jì)學(xué) 根據(jù)有限數(shù)據(jù)樣本，給定精度時(shí)，估計(jì)誤差 置信區(qū)

2、間、統(tǒng)計(jì)檢驗(yàn),相關(guān)學(xué)科,5,定義 如果一個(gè)計(jì)算機(jī)針對(duì)某類任務(wù)T的用P衡量的性能根據(jù)經(jīng)驗(yàn)E來自我完善，那么我們稱這個(gè)計(jì)算機(jī)程序在從經(jīng)驗(yàn)E中學(xué)習(xí)，針對(duì)某類任務(wù)T，它的性能用P來衡量。 西洋跳棋學(xué)習(xí)問題的解釋 任務(wù)T：參與比賽 性能標(biāo)準(zhǔn)P：比賽成績（或贏棋能力，擊敗對(duì)手的百分比） 經(jīng)驗(yàn)E：和自己下棋,學(xué)習(xí)問題的標(biāo)準(zhǔn)描述,6,手寫識(shí)別學(xué)習(xí)問題 任務(wù)T：識(shí)別和分類手寫文字 性能標(biāo)準(zhǔn)：分類的正確率 經(jīng)驗(yàn)：已知類別的手寫體文字?jǐn)?shù)據(jù)庫 機(jī)器人駕駛學(xué)習(xí)問題 任務(wù)：通過視覺傳感器在四車道高速公路上行使 性能標(biāo)準(zhǔn)：平均無差錯(cuò)行使里程（差錯(cuò)由人來監(jiān)督裁定） 訓(xùn)練經(jīng)驗(yàn)E：注視人類駕駛時(shí)錄制的一系列圖像和駕駛指令,學(xué)習(xí)問

3、題的標(biāo)準(zhǔn)描述（2,7,定義太廣泛 甚至包括了以非常直接的方式通過經(jīng)驗(yàn)自我提高的計(jì)算機(jī)程序 科技型定義 通過經(jīng)驗(yàn)提高性能的某類程序 目的 定義一類問題 探索解決這類問題的方法 理解學(xué)習(xí)問題的基本結(jié)構(gòu)和過程,學(xué)習(xí)問題的標(biāo)準(zhǔn)描述（3,8,設(shè)計(jì)一個(gè)學(xué)習(xí)系統(tǒng),基本設(shè)計(jì)方法和學(xué)習(xí)途徑 （以西洋跳棋為例） 選擇訓(xùn)練經(jīng)驗(yàn) 選擇目標(biāo)函數(shù) 選擇目標(biāo)函數(shù)的表示 選擇函數(shù)逼近算法 最終設(shè)計(jì),9,第一個(gè)關(guān)鍵屬性，訓(xùn)練經(jīng)驗(yàn)?zāi)芊駷橄到y(tǒng)的決策提供直接或間接的反饋 第二個(gè)重要屬性，學(xué)習(xí)器在多大程度上控制樣例序列 第三個(gè)重要屬性，訓(xùn)練樣例的分布能多好地表示實(shí)例分布，通過樣例來衡量最終系統(tǒng)的性能,選擇訓(xùn)練經(jīng)驗(yàn),10,西洋跳棋學(xué)習(xí)問

4、題 任務(wù)T，下西洋跳棋 性能標(biāo)準(zhǔn)P，擊敗對(duì)手的百分比 訓(xùn)練經(jīng)驗(yàn)E，和自己進(jìn)行訓(xùn)練對(duì)弈 學(xué)習(xí)系統(tǒng)需要選擇 要學(xué)習(xí)的知識(shí)的確切類型 對(duì)于這個(gè)目標(biāo)知識(shí)的表示 一種學(xué)習(xí)機(jī)制,選擇訓(xùn)練經(jīng)驗(yàn)（續(xù),11,目標(biāo)函數(shù)ChooseMove ChooseMove: BM，接受合法棋局集合中的棋盤狀態(tài)作為輸入，并從合法走子集合中選擇某個(gè)走子作為輸出 問題轉(zhuǎn)化 我們把提高任務(wù)T的性能P的問題轉(zhuǎn)化（或簡化）為學(xué)習(xí)像ChooseMove這樣某個(gè)特定的目標(biāo)函數(shù),選擇目標(biāo)函數(shù),12,ChooseMove的評(píng)價(jià) 學(xué)習(xí)問題很直觀地轉(zhuǎn)化成這個(gè)函數(shù) 這個(gè)函數(shù)的學(xué)習(xí)很困難，因?yàn)樘峁┙o系統(tǒng)的是間接訓(xùn)練經(jīng)驗(yàn) 另一個(gè)目標(biāo)函數(shù)V 一個(gè)評(píng)估函數(shù)，

5、V: BR，它為任何給定棋局賦予一個(gè)數(shù)值評(píng)分，給好的棋局賦予較高的評(píng)分 優(yōu)點(diǎn)，學(xué)習(xí)簡單 V的應(yīng)用 根據(jù)V能夠輕松地找到當(dāng)前棋局的最佳走法,選擇目標(biāo)函數(shù)（2,13,V的設(shè)計(jì)，對(duì)于集合B中的任意棋局b，V(b)定義如下 如果b是一最終的勝局，那么V(b)=100 如果b是一最終的負(fù)局，那么V(b)=-100 如果b是一最終的和局，那么V(b)=0 如果b不是最終棋局，那么V(b)=V(b)，其中b是從b開始雙方都采取最優(yōu)對(duì)弈后可達(dá)到的終局,選擇目標(biāo)函數(shù)（3,14,上面設(shè)計(jì)的缺陷 遞歸定義 運(yùn)算效率低 不可操作 簡評(píng) 學(xué)習(xí)任務(wù)簡化成發(fā)現(xiàn)一個(gè)理想目標(biāo)函數(shù)V的可操作描述 通常要完美地學(xué)習(xí)這樣一個(gè)V的可操

6、作的形式是非常困難的 一般地，我們僅希望學(xué)習(xí)算法得到近似的目標(biāo)函數(shù)V，因此學(xué)習(xí)目標(biāo)函數(shù)的過程常稱為函數(shù)逼近,選擇目標(biāo)函數(shù)（4,15,函數(shù)的表示 一張大表，對(duì)于每個(gè)唯一的棋盤狀態(tài)，表中有唯一的表項(xiàng)來確定它的狀態(tài)值 規(guī)則集合 二項(xiàng)式函數(shù) 人工神經(jīng)網(wǎng)絡(luò),選擇目標(biāo)函數(shù)的表示,16,重要的權(quán)衡過程 希望選取一個(gè)非常有表現(xiàn)力的描述，以最大可能地逼近理想的目標(biāo)函數(shù) 越有表現(xiàn)力的描述需要越多的訓(xùn)練數(shù)據(jù)，使程序能從它表示的多種假設(shè)中選擇,選擇目標(biāo)函數(shù)的表示（2,17,簡單表示法對(duì)于任何給定的棋盤狀態(tài)，函數(shù)V可以通過以下棋盤參數(shù)的線性組合來計(jì)算 x1，黑子的數(shù)量 x2，紅子的數(shù)量 x3，黑王的數(shù)量 x4，紅王的數(shù)

7、量 x5，被紅子威脅的黑子數(shù)量 x6，被黑子威脅的紅子數(shù)量,選擇目標(biāo)函數(shù)的表示（3,18,目標(biāo)函數(shù) V(b)=w0+w1x1+w2x2+w6x6 其中，w0w6是權(quán)值，表示不同棋局特征的相對(duì)重要性 至此，問題轉(zhuǎn)化為學(xué)習(xí)目標(biāo)函數(shù)中的系數(shù)（即權(quán)值,選擇目標(biāo)函數(shù)的表示（4,19,每個(gè)訓(xùn)練樣例表示成二元對(duì) b是棋盤狀態(tài)，Vtrain(b)是訓(xùn)練值 比如，,100 訓(xùn)練過程 從學(xué)習(xí)器可得到的間接訓(xùn)練經(jīng)驗(yàn)中導(dǎo)出上面的訓(xùn)練樣例 調(diào)整系數(shù)wi，最佳擬合這些訓(xùn)練樣例,選擇函數(shù)逼近算法,20,選擇函數(shù)逼近算法（2,估計(jì)訓(xùn)練值 困難處 一個(gè)簡單的方法，Vtrain(b)=V(Successor(b) 調(diào)整權(quán)值 最佳

8、擬合的定義，比如誤差平方和最小 尋找算法，比如最小均方方法，LMS Least Mean Squares,21,LMS權(quán)值更新法則,對(duì)于每個(gè)訓(xùn)練樣本 使用當(dāng)前的權(quán)計(jì)算V (b) 對(duì)每個(gè)權(quán)值wi 進(jìn)行如下更新,22,最終設(shè)計(jì),實(shí)驗(yàn)生成器,執(zhí)行系統(tǒng),泛化器,鑒定器,新問題,解答路線,假設(shè),訓(xùn)練樣例,23,執(zhí)行系統(tǒng) 用學(xué)會(huì)的目標(biāo)函數(shù)來解決給定的任務(wù) 鑒定器 以對(duì)弈的路線或歷史記錄作為輸入，輸出目標(biāo)函數(shù)的一系列訓(xùn)練樣例。 泛化器 以訓(xùn)練樣例為輸入，產(chǎn)生一個(gè)輸出假設(shè)，作為它對(duì)目標(biāo)函數(shù)的估計(jì)。 實(shí)驗(yàn)生成器 以當(dāng)前的假設(shè)作為輸入，輸出一個(gè)新的問題，供執(zhí)行系統(tǒng)去探索,最終設(shè)計(jì)（2,24,圖1-2 第13章理論

9、上的保證 這種學(xué)習(xí)技術(shù)是否確保發(fā)現(xiàn)一個(gè)非常接近的近似。 更復(fù)雜的目標(biāo)函數(shù) 其他學(xué)習(xí)算法 最近鄰算法，存儲(chǔ)訓(xùn)練樣例，尋找保存的最接近的情形來匹配新的情況 遺傳算法，產(chǎn)生大量候選的西洋跳棋程序，讓它們相互比賽，保留最成功的程序并進(jìn)一步用模擬進(jìn)化的方式來培育或變異它們 基于解釋的學(xué)習(xí)，分析每次成敗的原因,西洋跳棋學(xué)習(xí)的更多討論,25,一個(gè)有效的觀點(diǎn) 機(jī)器學(xué)習(xí)問題歸結(jié)于搜索問題 本書給出了對(duì)一些基本表示定義的假設(shè)空間的搜索算法 通過搜索策略和搜索空間的內(nèi)在結(jié)構(gòu)來刻畫學(xué)習(xí)方法,機(jī)器學(xué)習(xí)的一個(gè)觀點(diǎn),26,存在什么樣的算法能從特定的訓(xùn)練數(shù)據(jù)學(xué)習(xí)一般的目標(biāo)函數(shù)呢？如果提供了充足的訓(xùn)練數(shù)據(jù)，什么樣的條件下，會(huì)使

10、特定的算法收斂到期望的函數(shù)？哪個(gè)算法對(duì)哪些問題和表示的性能最好？ 多少訓(xùn)練數(shù)據(jù)是充足的？怎樣找到學(xué)習(xí)到假設(shè)的置信度與訓(xùn)練數(shù)據(jù)的數(shù)量及提供給學(xué)習(xí)器的假設(shè)空間特性之間的一般關(guān)系？ 學(xué)習(xí)器擁有的先驗(yàn)知識(shí)是怎樣引導(dǎo)從樣例進(jìn)行泛化的過程的？當(dāng)先驗(yàn)知識(shí)僅僅是近似正確時(shí)，它們會(huì)有幫助嗎,機(jī)器學(xué)習(xí)的問題,27,關(guān)于選擇有效的后驗(yàn)訓(xùn)練經(jīng)驗(yàn)，什么樣的策略最好？這個(gè)策略的選擇會(huì)如何影響學(xué)習(xí)問題的復(fù)雜性。 怎樣把學(xué)習(xí)任務(wù)簡化為一個(gè)或多個(gè)函數(shù)逼近問題？換一種方式，系統(tǒng)該試圖學(xué)習(xí)哪些函數(shù)？這個(gè)過程本身能自動(dòng)化嗎？ 學(xué)習(xí)器怎樣自動(dòng)地改變表示法來提高表示和學(xué)習(xí)目標(biāo)函數(shù)的能力,機(jī)器學(xué)習(xí)的問題,28,第2章，基于符號(hào)和邏輯表示的概念學(xué)習(xí) 第3章，決策樹 第4章，人工神經(jīng)網(wǎng)絡(luò) 第5章，統(tǒng)計(jì)和估計(jì)理論的基礎(chǔ)概念 第6章，貝葉斯理論 第7章，計(jì)算學(xué)習(xí) 第8章，基于實(shí)例的學(xué)習(xí) 第9章，遺傳算法 第10章，規(guī)則學(xué)習(xí) 第11章，基于解釋的學(xué)習(xí)