一文读懂机器学习—多媒体竞赛ppt课件.pptx

汇报人：主要内容Main Contents1234机器学习概述机器学习的方法机器学习的应用未来发展前景1机器学习机器学习是近是近2020多年兴起的一门多领域交叉多年兴起的一门多领域交叉学科，涉及学科，涉及概率论、概率论、统计学、逼近论、凸分析、算法复杂度理论等多门统计学、逼近论、凸分析、算法复杂度理论等多门学科。机器学习学科。机器学习理论理论主要是设计和分析一些让计算机可以自动主要是设计和分析一些让计算机可以自动“ “学习学习” ”的算法的算法。广义定义广义定义：“ “是一种能够赋予机器学习的能力以此让它完成直接编程无法是一种能够赋予机器学习的能力以此让它完成直接编程无法完成的功能的方法。但从实践的意义上来说，机器学习是一种通过利用完成的功能的方法。但从实践的意义上来说，机器学习是一种通过利用数据，训练出模型，然后使用模型预测的一种方数据，训练出模型，然后使用模型预测的一种方法法” ” 。0 10 20 30 40 50 60 70 80 90 100 0 200 400 600 800 纯抽泵效%沉没度m机器学习的定义机器学习概述机器学习的方法机器学习的应用未来发展前景1合理沉没度确定沉没度及泵效统计线性回归沉没度与泵效函数关系Y=-8E-5x+0.1225x+38新井合理沉没度及泵效新井预测机器学习与人类思考对比模 型历史数据未知属性新的数据输入预测训练规 律 经 验未来新的问题输入预测归纳机器学习概述机器学习的方法机器学习的应用未来发展前景1机器学习的范围机器学习概述机器学习的方法机器学习的应用未来发展前景1机器学习概述机器学习的方法机器学习的应用未来发展前景2监 督 学 习无 监 督 学 习机器学习方法回归算法神经网络SVM聚类算法降维算法机器学习概述机器学习的方法机器学习的应用未来发展前景2监督学习算法无监无监督学习算法督学习算法回归算法神经网络SVM聚类算法降维算法回归算法:根据已知系列因变量估计离散数值出现的概率。机器学习概述机器学习的方法机器学习的应用未来发展前景2监督学习算法无监无监督学习算法督学习算法回归算法神经网络SVM聚类算法降维算法神经网络:分成输入层，隐藏层，和输出层。输入层负责接收信号，隐藏层负责对数据的分解与处理，最后结果被整合到输出层。每层由若干个处理单元组成，若干个层再组成了一个网络。机器学习概述机器学习的方法机器学习的应用未来发展前景2监督学习算法无监无监督学习算法督学习算法回归算法神经网络SVM聚类算法降维算法SVM（支持向量机）：一种基于核函数的方法，通过某些核函数把特征向量映射到高维空间，然后建立一个线性判别函数。机器学习概述机器学习的方法机器学习的应用未来发展前景2监督学习算法无监无监督学习算法督学习算法回归算法神经网络SVM聚类算法降维算法聚类算法：对大量未知标注的数据集，按数据的内在相似性将数据集划分为多个类别，使类别内的数据相似度较大而类别间的数据相似度较小。机器学习概述机器学习的方法机器学习的应用未来发展前景2监督学习算法无监无监督学习算法督学习算法回归算法神经网络SVM聚类算法降维算法降维算法：采用映射方法将原高维空间中的数据点映射到低维度的空间中。机器学习概述机器学习的方法机器学习的应用未来发展前景3机器学习的应用大数据大数据是利用常用软件工具捕获、管理和处理数据所耗时间超过可容忍时间的数据集。价值性（Value）真实性（Veracity）（IDC）（IBM）规模性（Volume）多样性（Variety）高速性（Velocity）机器学习的应用大数据机器学习概述机器学习的方法机器学习的应用未来发展前景3百度世界杯成功预测了所有比赛结果大数据分析方法大数据，小分析数据仓库领域的OLAP分析思路，也就是多维分析思想。大数据，大分析代表数据挖掘与机器学习分析法。流式分析事件驱动架构查询分析经典代表是NoSQL数据库利用数据价值大数据的核心机器学习核心技术机器学习的子类深度学习机器学习概述机器学习的方法机器学习的应用未来发展前景3深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。百度识图功能深度学习信念网络 机器学习概述机器学习的方法机器学习的应用未来发展前景3机器学习的父类人工智能人工智能机器学习深度学习智慧：机器学习计算：云计算推理：专家系统灵敏：事件驱动知识：数据仓库检索：搜索引擎机器学习概述机器学习的方法 机器学习的应用未来发展前景4沟通合作情感表达解决问题