《周志華 機(jī)器學(xué)習(xí)ppt Chap01緒論》由會(huì)員分享，可在線閱讀，更多相關(guān)《周志華 機(jī)器學(xué)習(xí)ppt Chap01緒論（39頁珍藏版）》請(qǐng)?jiān)谘b配圖網(wǎng)上搜索。

1、機(jī)器學(xué)習(xí)導(dǎo)論(2016 春季學(xué)期)一、緒 論 機(jī)器學(xué)習(xí)機(jī)器學(xué)習(xí)是從人工智能中產(chǎn)生的一個(gè)重要學(xué)科分支，是實(shí)現(xiàn)智能化的關(guān)鍵 機(jī)器學(xué)習(xí)機(jī)器學(xué)習(xí)（Machine Learning）究竟是什么東東？看個(gè)例子 “文獻(xiàn)篩選”的故事 C. Brodley et al., AI Magazine 2012 在“循證醫(yī)學(xué)”（evidence-based medicine）中，針對(duì)特定的臨床問題，先要對(duì)相關(guān)研究報(bào)告進(jìn)行詳盡評(píng)估查詢 PubMed 以獲取候選摘要人工找出值得全文審讀的文章 “文獻(xiàn)篩選”的故事在一項(xiàng)關(guān)于嬰兒和兒童殘疾的研究中，美國(guó)Tufts醫(yī)學(xué)中心篩選了約 33,000 篇摘要盡 管 Tufts醫(yī) 學(xué)

2、中 心 的 專 家 效 率很高，對(duì)每篇摘要只需 30 秒鐘，但該工作仍花費(fèi)了 250 小時(shí)每項(xiàng)新的研究都要重復(fù)這個(gè)麻煩的過程！需篩選的文章數(shù)在不斷顯著增長(zhǎng)！ “文獻(xiàn)篩選”的故事為了降低昂貴的成本, Tufts醫(yī)學(xué)中心引入了機(jī)器學(xué)習(xí)技術(shù)邀請(qǐng)專家閱讀少量摘要，標(biāo)記為“有關(guān)”或 “無關(guān)”分類模型對(duì)是否“有關(guān)”進(jìn)行預(yù)測(cè)人類專家只需閱讀 50 篇摘要，系統(tǒng)的自動(dòng)篩選精度就達(dá)到 93% 人類專家閱讀 1,000 篇摘要，則系統(tǒng)的自動(dòng)篩選敏感度達(dá)到 95%(人類專家以前需閱讀 33,000 篇摘要才能獲得此效果) 色澤根蒂敲聲好瓜青綠蜷縮濁響是烏黑蜷縮濁響是青綠硬挺清脆否烏黑稍蜷沉悶否決策樹，神經(jīng)網(wǎng)絡(luò)，支持

3、向量機(jī)，Boosting，貝葉斯網(wǎng)，模型訓(xùn)練數(shù)據(jù)（label）訓(xùn)練新數(shù)據(jù)樣本(淺白, 蜷縮, 濁響, ?) ?= 是類別標(biāo)記未知典型的機(jī)器學(xué)習(xí)過程使用學(xué)習(xí)算法（learning algorithm）類別標(biāo)記 機(jī)器學(xué)習(xí)與數(shù)據(jù)挖掘 機(jī)器學(xué)習(xí)能做什么？我們可能每天都在用機(jī)器學(xué)習(xí) 權(quán)16南京大學(xué)機(jī)器學(xué)習(xí)導(dǎo)論課程專用所有20保留機(jī)器學(xué)習(xí) 模型搜索引擎機(jī)器學(xué)習(xí)技術(shù)正在支撐著各種搜索引擎搜索：南京大學(xué) 例如：互聯(lián)網(wǎng)搜索 有器學(xué)習(xí)導(dǎo)論課程專保留權(quán)用所2016南京大學(xué)機(jī)例如：自動(dòng)汽車駕駛（即將改變?nèi)祟惿睿C(jī)器學(xué)習(xí)模型方向盤旋轉(zhuǎn)幅度油門幅度剎車幅度車載攝像頭車載雷達(dá)控制汽車美國(guó)在20世紀(jì)80年代就開始研究基于機(jī)

4、器學(xué)習(xí)的汽車自動(dòng)駕駛技術(shù) DARPA Grand Challenge 2004 2016南京大學(xué)機(jī)器學(xué)習(xí)導(dǎo)論課程專用所有權(quán)保留機(jī)器學(xué)習(xí)能做什么？小數(shù)據(jù)上就已經(jīng)很有用 2016南京大學(xué)機(jī)器學(xué)習(xí)導(dǎo)論課程專用所有權(quán)保留例如：畫作鑒別（藝術(shù)）畫作鑒別(painting authentication)：確定作品的真?zhèn)尾斏w爾（1525-1569）的作品？出自 J. Hughes et al., PNAS 2009梵高（1853-1890）的作品？出自 C. Johnson et al., IEEE-SP, 2008 機(jī)器學(xué)習(xí)導(dǎo)論2016南京大學(xué)課程專用所有權(quán)保留例如：畫作鑒別（藝術(shù)）除專用技術(shù)手段外，

5、筆觸分析(brushstroke analysis) 是 畫 作 鑒定的重要工具；它旨在從視覺上判斷畫作中是否具有藝術(shù)家的特有“筆跡”。該工作對(duì)專業(yè)知識(shí)要求極高- 具有較高的繪畫藝術(shù)修養(yǎng)- 掌握畫家的特定繪畫習(xí)慣只有少數(shù)專家花費(fèi)很大精力才能完成分析工作！很難同時(shí)掌握不同時(shí)期、不同流派多位畫家的繪畫風(fēng)格！C. Johnson et al., IEEE-SP, 2008 論課程專用所有權(quán)16南京大學(xué)20機(jī)器學(xué)習(xí)導(dǎo)保留例如：畫作鑒別（藝術(shù)）真跡 + 贗品特有“筆跡”待鑒定畫作為了降低分析成本, 機(jī)器學(xué)習(xí)技術(shù)被引入自動(dòng)鑒定分類模型Krller Mller美術(shù)館與Cornell等大學(xué)的學(xué)者對(duì)82幅梵高真

6、跡和6幅贗品進(jìn)行分析，自動(dòng)鑒別精度達(dá) 95% C. Johnson et al., IEEE-SP, 2008Dartmouth學(xué)院、巴黎高師的學(xué)者對(duì)8幅勃魯蓋爾真跡和5幅贗品進(jìn)行分析，自動(dòng)鑒別精度達(dá) 100% J. Hughes et al., PNAS 2009J. Mairal et al., PAMI12(對(duì)用戶要求低、準(zhǔn)確高效、適用范圍廣) 2016南京大學(xué)機(jī)器學(xué)習(xí)導(dǎo)論課程專用所有權(quán)保留例如：古文獻(xiàn)修復(fù)（文化）古文獻(xiàn)是進(jìn)行歷史研究的重要素材，但是其中很多損毀嚴(yán)重Dead Sea Scrolls (死海古卷)- 1947年出土- 超過30,000個(gè)羊皮紙片段Cairo Genizah-

7、 19世紀(jì)末被發(fā)現(xiàn)- 超過300,000個(gè)片段- 散布于全球多家博物館高水平專家的大量精力被用于古文獻(xiàn)修復(fù)L. Wolf et al., IJCV 2011 2016南京大學(xué)機(jī)器學(xué)習(xí)導(dǎo)論課程專用所有權(quán)保留例如：古文獻(xiàn)修復(fù)（文化）一個(gè)重要問題：原書籍已經(jīng)變成分散且混雜的多個(gè)書頁，如何拼接相鄰的書頁？人工完成書頁拼接十分困難- 書頁數(shù)量大，且分布在多處- 部分損毀較嚴(yán)重，字跡模糊- 需要大量掌握古文字的專業(yè)人才近年來，古文獻(xiàn)的數(shù)字化浪潮給自動(dòng)文學(xué)修復(fù)提供了機(jī)會(huì) 所有權(quán)保留2016南京大學(xué)機(jī)器學(xué)習(xí)導(dǎo)論課程專用例如：古文獻(xiàn)修復(fù)（文化）以色列特拉維夫大學(xué)的學(xué)者將機(jī)器學(xué)習(xí)用于自動(dòng)的書頁拼接已確定相鄰已確定

8、不相鄰分類模型判斷是否相鄰專家確認(rèn)相鄰在Cairo Genizah測(cè)試數(shù)據(jù)上，系統(tǒng)的自動(dòng)判斷精度超過 93%新完成約 1,000 篇Cairo Genizah文章的拼接(對(duì)比：過去整個(gè)世紀(jì)，數(shù)百人類專家只完成了幾千篇文章拼接) 2016南京大學(xué)機(jī)器學(xué)習(xí)導(dǎo)論課程專用所有權(quán)保留機(jī)器學(xué)習(xí)能做什么？大數(shù)據(jù)上更驚人 2016南京大學(xué)機(jī)器學(xué)習(xí)導(dǎo)論課程專用所有權(quán)保留例如：幫助奧巴馬勝選（政治）時(shí)代周刊 2016南京大學(xué)機(jī)器學(xué)習(xí)導(dǎo)論課程專用所有權(quán)保留例如：幫助奧巴馬勝選（政治）通過機(jī)器學(xué)習(xí)模型： 在總統(tǒng)候選人第一次辯論后，分析出哪些選民將倒戈，為每位選民找出一個(gè)最能說服他的理由 精準(zhǔn)定位不同選民群體，建議購買

9、冷門廣告時(shí)段，廣告資金效率比2008年提高14% 向奧巴馬推薦，競(jìng)選后期應(yīng)當(dāng)在什么地方展開活動(dòng) 那里有很多爭(zhēng)取對(duì)象 借助模型幫助奧巴馬籌集到創(chuàng)紀(jì)錄的10億美元例如：利用模型分析出，明星喬治克魯尼（George Clooney）對(duì)于年齡在40-49歲的美西地區(qū)女性頗具吸引力，而她們恰是最愿意為和克魯尼/奧巴馬共進(jìn)晚餐而掏錢的人 喬治克魯尼為奧巴馬舉辦的競(jìng)選籌資晚宴成功募集到1500萬美元 導(dǎo)論課程專用學(xué)習(xí)2016南京大學(xué)機(jī)器所有權(quán)保留例如：幫助奧巴馬勝選（政治）隊(duì)長(zhǎng)：Rayid Ghani卡內(nèi)基梅隆大學(xué)機(jī)器學(xué)習(xí)系首任系主任Tom Mitchell教授的博士生這個(gè)團(tuán)隊(duì)行動(dòng)保密，定期向奧巴馬報(bào)送結(jié)果

10、；被奧巴馬公開稱為總統(tǒng)競(jìng)選的“核武器按鈕”(“They are our nuclear codes”) 權(quán)專用所有2016南京大學(xué)機(jī)器學(xué)習(xí)導(dǎo)論課程保留約翰 麥卡錫(1927-2011)“人工智能之父”1971年圖靈獎(jiǎng)1956年夏美國(guó)達(dá)特茅斯學(xué)院J. McCarthy, M. Minsky, N. Lochester, C. E. Shannon,H.A. Simon, A. Newell, A. L. Samuel 等10余人達(dá)特茅斯會(huì)議標(biāo)志著人工智能這一學(xué)科的誕生John McCarthy (1927 - 2011):1971年獲圖靈獎(jiǎng), 1985年獲IJCAI終身成就獎(jiǎng)。人工智能之父。他提

11、出了“人工智能”的概念，設(shè)計(jì)出函數(shù)型程序設(shè)計(jì)語言Lisp，發(fā)展了遞歸的概念，提出常識(shí)推理和情境演算。出生于共產(chǎn)黨家庭，從小閱讀10萬個(gè)為什么，中學(xué)時(shí)自修CalTech的數(shù)學(xué)課程，17歲進(jìn)入CalTech時(shí)免修兩年數(shù)學(xué)，22歲在Princeton獲博士學(xué)位，37歲擔(dān)任 Stanford大學(xué)AI實(shí)驗(yàn)室主任。 機(jī)器學(xué)習(xí)源自“人工智能”Artificial Intelligence (AI), 1956 - 權(quán)程專用所有保16南京大20學(xué)機(jī)器學(xué)習(xí)導(dǎo)論課留赫伯特 西蒙(1916-2001)1975年圖靈獎(jiǎng)第一階段：推理期1956-1960s: Logic Reasoning 出發(fā)點(diǎn):“數(shù)學(xué)家真聰明！”

12、主要成就: 自動(dòng)定理證明系統(tǒng) (例如，西蒙與紐厄爾的“Logic Theorist”系統(tǒng))漸漸地，研究者們意識(shí)到，僅有邏輯推理能力是不夠的 阿倫 紐厄爾(1927-1992)1975年圖靈獎(jiǎng) 用所有權(quán)保留2016南京大學(xué)機(jī)器學(xué)習(xí)導(dǎo)論課程專 出發(fā)點(diǎn):“知識(shí)就是力量！”愛德華 費(fèi)根鮑姆(1936- )1994年圖靈獎(jiǎng) 主要成就: 專家系統(tǒng) (例如，費(fèi)根鮑姆等人的“DENDRAL”系統(tǒng))漸漸地，研究者們發(fā)現(xiàn)，要總結(jié)出知識(shí)再“教”給系統(tǒng)，實(shí)在太難了 第二階段：知識(shí)期1970s -1980s: Knowledge Engineering 2016南京大學(xué)機(jī)器學(xué)習(xí)導(dǎo)論課程專用所有權(quán)保留 出發(fā)點(diǎn):“讓系統(tǒng)自

13、己學(xué)！”第三階段：學(xué)習(xí)期1990s -now: Machine Learning 主要成就: 機(jī)器學(xué)習(xí)是作為“突破知識(shí)工程瓶頸”之利器而出現(xiàn)的恰好在20世紀(jì)90年代中后期，人類發(fā)現(xiàn)自己淹沒在數(shù)據(jù)的汪洋中，對(duì)自動(dòng)數(shù)據(jù)分析技術(shù)機(jī)器學(xué)習(xí)的需求日益迫切 權(quán)專用所有16南京大學(xué)機(jī)器學(xué)保習(xí)導(dǎo)論留課程20 汽車自動(dòng)駕駛(DARPA Grand Challenge) 機(jī)器學(xué)習(xí)已經(jīng)“無處不在”入侵檢測(cè)Web搜索生物信息學(xué) 決策助手(DARPA)火星機(jī)器人 (JPL) 2016南京大學(xué)機(jī)器學(xué)習(xí)導(dǎo)論課程專用所有權(quán)保留今天的“機(jī)器學(xué)習(xí)”已經(jīng)是一個(gè)廣袤的學(xué)科領(lǐng)域經(jīng)常被談到的“深度學(xué)習(xí)”(Deep Learning)僅是

14、機(jī)器學(xué)習(xí)中的一個(gè)小分支例如，這是第32屆國(guó)際機(jī)器學(xué)習(xí)大會(huì)的“主題領(lǐng)域”2006年，美國(guó)CMU(卡內(nèi)基梅隆大學(xué))成立“機(jī)器學(xué)習(xí)系” 導(dǎo)論課程專用所2016南京大學(xué)機(jī)器學(xué)習(xí)有權(quán)保留大數(shù)據(jù)時(shí)代的關(guān)鍵技術(shù)奧巴馬提出“大數(shù)據(jù)計(jì)劃”后，美國(guó)NSF進(jìn)一步加強(qiáng)資助UC Berkeley研究如何整合將”數(shù)據(jù)”轉(zhuǎn)變?yōu)椤毙畔ⅰ钡娜箨P(guān)鍵技術(shù)機(jī)器學(xué)習(xí)、云計(jì)算、眾包(crowd sourcing)整合三大關(guān)鍵技術(shù) 權(quán)保2016南京留大學(xué)機(jī)器學(xué)習(xí)導(dǎo)論課程專用所有大數(shù)據(jù)時(shí)代，機(jī)器學(xué)習(xí)必不可少收集、傳輸、存儲(chǔ)大數(shù)據(jù)的目的，是為了“利用”大數(shù)據(jù)沒有機(jī)器學(xué)習(xí)技術(shù)分析大數(shù)據(jù)，“利用”無從談起 權(quán)有所習(xí)導(dǎo)論課程專用保2016南京大學(xué)

15、機(jī)器學(xué)留基本術(shù)語 數(shù)據(jù)集; 訓(xùn)練, 測(cè)試示例(instance), 樣例(example)樣本(sample)屬性(attribute), 特征(feature); 屬性值屬性空間, 樣本空間, 輸入空間特征向量(feature vector)標(biāo)記空間, 輸出空間 監(jiān)督學(xué)習(xí)(supervised learning)無監(jiān)督學(xué)習(xí)(unsupervised learning) 假設(shè)(hypothesis)真相(ground-truth)學(xué)習(xí)器(learner) 分類, 回歸 二分類, 多分類 正類, 反類未見樣本(unseen instance)未知“分布”獨(dú)立同分布(i.i.d.)泛化(gener

16、alization) 權(quán)2016南京大學(xué)機(jī)器學(xué)習(xí)導(dǎo)論課程專用所有保留假設(shè)空間(色澤=?)(根蒂=?)(敲聲=?)好瓜學(xué)習(xí)過程 在所有假設(shè)(hypothesis)組成的空間中進(jìn)行搜索的過程目標(biāo): 找到與訓(xùn)練集“匹配”(fit)的假設(shè)假設(shè)空間的大小：n1 x n2 x n3 + 1 權(quán)用所有保留論課程專機(jī)器學(xué)習(xí)導(dǎo)2016南京大學(xué)例如: (青綠; 蜷縮; 沉悶)應(yīng)該采用哪一個(gè)模型(假設(shè))?版本空間版本空間(version space): 與訓(xùn)練集一致的假設(shè)集合濁響濁響在面臨新樣本時(shí)，會(huì)產(chǎn)生不同的輸出 課程專用所有2016南京大學(xué)機(jī)器學(xué)習(xí)導(dǎo)論權(quán)保留歸納偏好(inductive bias)機(jī)器學(xué)習(xí)算法在

17、學(xué)習(xí)過程中對(duì)某種類型假設(shè)的偏好A更好？B更好？一般原則：奧卡姆剃刀(Ocams razor)任何一個(gè)有效的機(jī)器學(xué)習(xí)算法必有其偏好學(xué)習(xí)算法的歸納偏好是否與問題本身匹配，大多數(shù)時(shí)候直接決定了算法能否取得好的性能！ 權(quán)有用16南京大學(xué)機(jī)器學(xué)習(xí)導(dǎo)論課程專所保20留哪個(gè)算法更好？沒有免費(fèi)的午餐！NFL定理：一個(gè)算法若在某些問題上比另一個(gè)算法好，必存在另一些問題，比好。 2016南京大學(xué)機(jī)器學(xué)習(xí)導(dǎo)論課程專用所有權(quán)保留NFL定理簡(jiǎn)單起見，假設(shè)樣本空間和假設(shè)空間 離散,令代表算法基于訓(xùn)練數(shù)據(jù) X 產(chǎn)生假設(shè) h 的概率，f 代表要學(xué)的目標(biāo)函數(shù)， 在訓(xùn)練集之外所有樣本上的總誤差為考慮二分類問題，目標(biāo)函數(shù)可以為任何函數(shù)，函數(shù)空間為，對(duì)所有可能的 f 按均勻分布對(duì)誤差求和，有 權(quán)大學(xué)機(jī)器學(xué)習(xí)導(dǎo)論課程專用2016南京所有保留NFL定理總誤差與學(xué)習(xí)算法無關(guān)！所有算法一樣好！ 權(quán)器學(xué)習(xí)導(dǎo)論課程專用所有2016南京大學(xué)機(jī)保留NFL定理的寓意NFL定理的重要前提：所有“問題”出現(xiàn)的機(jī)會(huì)相同、或所有問題同等重要脫離具體問題，空泛地談?wù)摗笆裁磳W(xué)習(xí)算法更好”毫無意義 ！實(shí)際情形并非如此；我們通常只關(guān)注自己正在試圖解決的問題 2016南京大學(xué)機(jī)器學(xué)習(xí)導(dǎo)論課程專用所有權(quán)保留前往第二站