一、机器学习的定义与案例

1. 引入案例：以 2016 年 3 月阿尔法围棋（AlphaGo）在韩国首尔以 4:1 战胜韩国围棋九段棋手李世石为例，直观展示机器学习的实际应用。
2. 核心定义：
   机器学习是处理特定任务的过程，以大量经验为基础，通过明确的评判标准，分析经验数据以持续提升任务完成效果。
   • 逻辑流程：通过 “经验→归纳规律→预测新问题”，或 “历史数据→训练模型→预测未知数据” 实现。

二、机器学习的应用领域

涵盖模式识别、计算机视觉、数据挖掘、语音识别、自然语言处理（如 Google Translate）等，体现了机器学习在多个技术领域的广泛应用。

三、机器学习的基本术语

1. 基础概念：

数据集：数据记录的集合（如多个西瓜的描述记录）。

样本：数据集中的每条记录，是对事件或对象的描述（如某一个西瓜的各项特征）。

特征（属性）：反映对象性质的事项（如西瓜的 “色泽”“根蒂”“敲声” 等）。

1. 属性空间与向量表示：

属性空间：由所有属性张成的空间（又称样本空间）。

向量表示：若数据集含 m 个样本，每个样本由 d 个属性描述，则样本可表示为 d 维向量（如 xi=(xi1,xi2,...,xid)），d 为样本的 “维数”。

1. 训练集与测试集：

训练集：含标记信息（如 “好瓜 = 是 / 否”），用于训练模型的数据集（例：14 条含 “好瓜” 标记的西瓜数据）。

测试集：不含标记信息，用于测试模型效果的数据集（例：3 条 “好瓜” 标记为 “？” 的西瓜数据）。

四、机器学习的学习类型

1. 监督学习：

特点：数据集含 “正确答案”（标记信息），通过已知标记调整模型参数。

分类：输出为离散值（如判断 “好瓜 / 坏瓜”），例：根据西瓜特征预测 “好瓜 =？”。

回归：输出为连续值（如预测房价），例：根据房屋面积、区域等特征预测价格。

1. 无监督学习：

特点：仅提供数据集，无标记信息，模型自主发现数据规律。

典型应用：聚类（如将样本分为 4 类）、关联推荐（如 “向购买尿布的人推荐葡萄酒”，基于交易数据中的商品关联规律）。

1. 集成学习：通过构建并结合多个学习器完成任务，提升学习效果。

五、模型评估与选择

1. 评估指标：

错误率：分类错误的样本数占总样本数的比例；精度 = 1 - 错误率。

残差：模型预测输出与真实输出的差异。

训练误差（经验误差）：模型在训练集上的误差；泛化误差：模型在新样本上的误差。

损失函数：衡量预测偏差的函数，损失函数越小，模型性能越好（如通过拟合直线预测房价的函数 f (x)=W₀+W₁x）。

1. 模型拟合问题：

欠拟合：模型未充分捕捉数据特征（如 “认为绿色的都是树叶”），处理方式包括添加新特征、增加模型复杂度、减小正则化系数。

过拟合：模型过度学习训练数据（含噪声），泛化能力差（如 “认为树叶必须有锯齿”），处理方式包括增加训练数据、降维、正则化、集成学习。

1. 模型选择原则：

奥卡姆剃刀原理：优先选择能解释数据且简单的模型（“如无必要，勿增实体”）。

没有免费的午餐（NFL）定理：不存在对所有问题都有效的算法，需结合具体任务判断算法优劣。

1. 评估方法：

留出法：将数据集划分为训练集（70%）和测试集（30%），需保持数据分布一致（如分层采样），并多次随机划分以减少误差。

交叉验证法：将数据集划分为 k 个互斥子集，每次用 k-1 个子集训练、1 个测试，重复 k 次取均值（如 10 折交叉验证）。

1. 分类评估细节：

混淆矩阵术语：TP（真正例）、FP（假正例）、TN（真反例）、FN（假反例）。

查准率（P=TP/(TP+FP)）与查全率（R=TP/(TP+FN)）：P 反映 “预测为正例的样本中真实正例的比例”，R 反映 “真实正例中被正确预测的比例”，二者通常存在权衡。

P-R 图：直观展示查准率与查全率的关系，若 A 的 P-R 曲线完全包住 B，则 A 性能优于 B；交叉曲线需结合具体场景判断。

总结

该 PPT 从定义、案例入手，逐步介绍机器学习的核心术语、学习类型、模型评估与选择方法，通过大量表格、图示和实例（如西瓜数据集）帮助理解，为机器学习入门奠定基础。