Giáo trình giảng dạy Máy học

41 652 0
Giáo trình giảng dạy Máy học

Đang tải... (xem toàn văn)

Tài liệu hạn chế xem trước, để xem đầy đủ mời bạn chọn Tải xuống

Thông tin tài liệu

1 HỌC MÁY TRƯỜNG ĐẠI HỌC ĐIỆN LỰC Thạc sĩ: Phạm Đức Hồng 2 Nội dung trình bày  Khái niệm  Các loại thuật toán  Các ví dụ học máy  Quy trình giải quyết bài toán bằng phương pháp máy học  Biểu diễn dữ liệu  Các thuật toán máy học 3 Khái niệm Học máy  Học máy là một phương pháp để tạo ra các chương trình máy tính bằng việc phân tích các tập dữ liệu.  Học máy có liên quan lớn đến thống kê, vì cả hai lĩnh vực đều nghiên cứu việc phân tích dữ liệu, nhưng khác với thống kê, học máy tập trung vào sự phức tạp của các giải thuật trong việc thực thi tính toán 4 Ứng dụng Học máy  Các ứng dụng Học máy bao gồm:  Máy truy tìm dữ liệu.  Chẩn đoán y khoa.  Phát hiện thẻ tín dụng giả.  Phân tích thị trường chứng khoán.  Phân loại các chuỗi DNA, nhận dạng tiếng nói và chữ viết, dịch tự động, chơi trò chơi và cử động rô-bốt (robot locomotion). 5 Các loại thuật toán Học máy  Học có giám sát trong đó, thuật toán tạo ra một hàm ánh xạ dữ liệu vào tới kết quả mong muốn. Một phát biểu chuẩn về một việc học có giám sát là bài toán phân loại: chương trình cần học (cách xấp xỉ biểu hiện của) một hàm ánh xạ một vector tới một vài lớp bằng cách xem xét một số mẫu dữ_liệu - kết_quả của hàm đó.  Học không giám sát mô hình hóa một tập dữ liệu, không có sẵn các ví dụ đã được gắn nhãn. 6 Các loại thuật toán Học máy (tiếp)  Học nửa giám sát : kết hợp các ví dụ có gắn nhãn và không gắn nhãn để sinh một hàm hoặc một bộ phân loại thích hợp.  Học tăng cường : trong đó, thuật toán học một chính sách hành động tùy theo các quan sát về thế giới. Mỗi hành động đều có tác động tới môi trường, và môi trường cung cấp thông tin phản hồi để hướng dẫn cho thuật toán của quá trình học. 7 Các loại thuật toán Học máy (tiếp)  Chuyển đổi tương tự học có giám sát nhưng không xây dựng hàm một cách rõ ràng. Thay vì thế, cố gắng đoán kết quả mới dựa vào các dữ liệu huấn luyện, kết quả huấn luyện, và dữ liệu thử nghiệm có sẵn trong quá trình huấn luyện.  Học cách học trong đó thuật toán học thiên kiến quy nạp của chính mình, dựa theo các kinh nghiệm đã gặp. 8 Biểu diễn một bài toán học máy 9 Các ví dụ học máy 10 Các ví dụ học máy (tiếp) [...]...Các ví dụ học máy (tiếp) 11 Các ví dụ học máy (tiếp) 12 Quy trình học máy 13 Quy trình giải bài toán học giám sát 14 Các thuật toán học  Các thuật toán học bao gồm:       Bayes (Mitchell, 1996) Cây quyết định (Fuhr et al, 1991) Véc-tơ trọng tâm (Centroid- based vector) (Han... văn bản Gọi fij là số lần xuất hiện của thuật ngữ ti trong văn bản dj, khi đó wij được tính bởi một trong ba công thức:    Trong đó: log(X) - logarit cơ số 10 của X 21 Các thuật toán máy học  Lựa chọn, mô hình học hiệu quả phát triển - - Bayes (Mitchell, 1996) Cây quyết định (Fuhr et al, 1991) Véc-tơ trọng tâm (Centroid- based vector) (Han và Karypis, 2000) k-láng giềng gần nhất (Yang, 1994) Mạng... P(A)=8/12, P(B|A)=1/2 Trong trường hợp: A là Anh ta không chơi tennis P(A)=4/12, P(B|A)=1/2 28 Phân loại Naive Bayes - Biểu diễn bài toán phân loại (classification problem) +) Một tập học D_train, trong đó mỗi ví dụ học x được gán nhãn và biểu diễn là một vectơ n chiều: (x1, x2, … , xn) +) Một tập xác định các nhãn lớp: C={c1 , c2 , …, cm } +) Với một ví dụ (mới) z, z sẽ được phân vào lớp nào? - Mục... con của tập giả thuyết cho nên chúng ta có thể phân rã P(D) như sau: 31 Ví dụ: Bảng dữ liệu huấn luyện 32  Một sinh viên trẻ với mức thu nhập trung bình và mức đánh giá tín dụng bình thường sẽ mua một máy tính hay không? Lớp huấn luyện: C1:buys_computer = ‘yes’ C2:buys_computer = ‘no’ Dữ liệu cần phân loại: X = (age

Ngày đăng: 03/07/2015, 14:45

Từ khóa liên quan

Mục lục

  • HỌC MÁY

  • Nội dung trình bày

  • Khái niệm Học máy

  • Ứng dụng Học máy

  • Các loại thuật toán Học máy

  • Các loại thuật toán Học máy (tiếp)

  • Slide 7

  • Biểu diễn một bài toán học máy

  • Các ví dụ học máy

  • Các ví dụ học máy (tiếp)

  • Slide 11

  • Slide 12

  • Quy trình học máy

  • Quy trình giải bài toán học giám sát

  • Các thuật toán học

  • Biểu diễn dữ liệu

  • Biểu diễn dữ liệu (tiếp)

  • Ví dụ: Biểu diễn ảnh bằng Véc-tơ

  • Ví dụ: Biểu diễn văn bản bằng véc - tơ

  • Slide 20

  • Slide 21

  • Các thuật toán máy học

  • Phân loại Bayes

  • Phân loại Bayes (tiếp)

  • Bayes (tiếp)

  • Slide 26

  • Ví dụ: (tiếp)

  • Slide 28

  • Phân loại Naive Bayes

  • Thuật toán Phân loại Bayes

  • Thuật toán Phân loại Bayes (tiếp)

  • Ví dụ: Bảng dữ liệu huấn luyện

  • Slide 33

  • Slide 34

  • Slide 35

  • Slide 36

  • Slide 37

  • Slide 38

  • Slide 39

  • Slide 40

  • Slide 41

Tài liệu cùng người dùng

  • Đang cập nhật ...

Tài liệu liên quan