2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩57頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、數(shù)學(xué)文化之機(jī)器學(xué)習(xí),劉丙強(qiáng)山東大學(xué)數(shù)學(xué)學(xué)院知新樓B835; 88363455bingqiangsdu@gmail.com2013-11-20 (3),1,統(tǒng)計(jì)與機(jī)器學(xué)習(xí),統(tǒng)計(jì)學(xué):從不完全的信息里取得準(zhǔn)確知識的技巧。統(tǒng)計(jì)應(yīng)用:用數(shù)理統(tǒng)計(jì)的原理和方法,分析和解釋自然界界的種種現(xiàn)象和數(shù)據(jù)資料,以求把握其本質(zhì)和規(guī)律性。機(jī)器學(xué)習(xí):可以理解為計(jì)算機(jī)自動從數(shù)據(jù)中發(fā)現(xiàn)規(guī)律,并應(yīng)用于解決新問題。內(nèi)容比較雜,至今還沒

2、有統(tǒng)一的定義,而且也很難給出一個(gè)公認(rèn)的和準(zhǔn)確的定義。機(jī)器學(xué)習(xí)在大多數(shù)情況下應(yīng)用概率論與統(tǒng)計(jì)學(xué)理論來設(shè)計(jì)算法;,2,機(jī)器學(xué)習(xí),給定數(shù)據(jù) (X1, Y1), (X2, Y2), … ,(Xn, Yn),機(jī)器自動學(xué)習(xí) X 和 Y 之間的關(guān)系,從而對新的 Xi,能夠預(yù)測 Yi。垃圾郵件識別:(郵件 1, 垃圾), (郵件 2, 正常), (郵件 3, 垃圾), …(郵件 N, 正常)郵件 X => 垃圾 or 正常?,3,測試數(shù)據(jù)

3、,發(fā)現(xiàn)規(guī)律,預(yù)測,預(yù)測結(jié)果,規(guī)則,,,,,,郵件Xi,Yi:垃圾or正常,發(fā)件人郵件地址異常;標(biāo)題含有“低價(jià)促銷”…,機(jī)器學(xué)習(xí),一般流程:,4,訓(xùn)練數(shù)據(jù),測試數(shù)據(jù),學(xué)習(xí),預(yù)測,預(yù)測結(jié)果,模型,,,,,,,,訓(xùn)練過程,應(yīng)用過程,(X1, Y1)(X2, Y2)… (Xn, Yn),Xi,Yi,機(jī)器學(xué)習(xí),模型:問題的影響因素(特征)有哪些?它們之間的關(guān)系如何?策略:什么樣的模型是好的模型;算法:如何高效的找到最優(yōu)參數(shù)

4、;分類:有監(jiān)督的學(xué)習(xí);無監(jiān)督的學(xué)習(xí);半監(jiān)督的學(xué)習(xí);增強(qiáng)學(xué)習(xí);多任務(wù)學(xué)習(xí);,5,統(tǒng)計(jì)與機(jī)器學(xué)習(xí),內(nèi)容:聚類與分類;統(tǒng)計(jì)推斷:參數(shù)檢驗(yàn),假設(shè)檢驗(yàn);回歸分析;馬爾科夫鏈與隱馬爾科夫模型。遺傳算法與神經(jīng)網(wǎng)絡(luò);。。。,6,機(jī)器學(xué)習(xí):聚類 (Clustering),聚類就是對大量未知標(biāo)注的數(shù)據(jù)集,按數(shù)據(jù)的內(nèi)在相似性將數(shù)據(jù)集劃分為多個(gè)類別,使類別內(nèi)的數(shù)據(jù)相似度較大而類別間的數(shù)據(jù)相似度較小;簇(或類Cluster):子集合最

5、大化簇(或類)內(nèi)的相似性;最小化簇(或類)間的相似性;聚類是一種無監(jiān)督分類法:沒有預(yù)先指定的類別;典型的應(yīng)用作為一個(gè)獨(dú)立的分析工具,用于了解數(shù)據(jù)的分布; 作為其它算法的一個(gè)數(shù)據(jù)預(yù)處理步驟;,7,機(jī)器學(xué)習(xí):聚類 (Clustering),簡單示例:聚類后預(yù)測:,8,訓(xùn)練數(shù)據(jù),待分類數(shù)據(jù),機(jī)器學(xué)習(xí):聚類 (Clustering),基因表達(dá)芯片(微陣列):預(yù)測新測序基因的功能是重要的生物學(xué)問題;基因表達(dá)微陣列提供了預(yù)

6、測功能的途徑;基因芯片對研究調(diào)控網(wǎng)絡(luò)提供了最基本的數(shù)據(jù);基因芯片可以衡量基因在不同條件下的表達(dá)量;基因如果被轉(zhuǎn)錄,就可以認(rèn)為是處于激活狀態(tài);轉(zhuǎn)錄產(chǎn)物 mRNA 的數(shù)量代表基因的活性;,9,機(jī)器學(xué)習(xí):聚類 (Clustering),DNA 芯片的應(yīng)用:研究基因樣本在在不同的時(shí)間段表達(dá)的差異;研究不同的基因樣本在相同的條件下的表達(dá)差異,10,機(jī)器學(xué)習(xí):聚類 (Clustering),DNA芯片數(shù)據(jù):綠色:僅僅在參考狀態(tài)表達(dá)

7、;紅色:僅僅在所研究的狀態(tài)表達(dá);黃色:在兩種狀態(tài)都表達(dá);黑色:在兩種狀態(tài)都不表達(dá);表達(dá)強(qiáng)度數(shù)據(jù)會被標(biāo)準(zhǔn)化、組成表達(dá)強(qiáng)度矩陣。,11,機(jī)器學(xué)習(xí):聚類 (Clustering),DNA 芯片數(shù)據(jù)的聚類:每組數(shù)據(jù)可以看做 n 維空間里的點(diǎn);通過對每個(gè)點(diǎn)對計(jì)算距離構(gòu)造距離矩陣;距離較近的基因表達(dá)情況相似、或許更有可能具有功能上的相關(guān)性;聚類能夠構(gòu)造功能相關(guān)基因集合;,12,機(jī)器學(xué)習(xí):聚類 (Clustering),DNA芯片數(shù)

8、據(jù)的聚類:同質(zhì)性:一個(gè)類中基因相似,即距離較?。徊町愋裕翰煌惖幕蚍浅2煌?,即距離較大;聚類并非易事;算法不同可能得到不同的結(jié)果;,13,,,,,,機(jī)器學(xué)習(xí):聚類 (Clustering),DNA芯片數(shù)據(jù)的聚類:兩點(diǎn)之間的距離歐氏距離: 平方歐氏距離:夾角余弦:絕對距離: Chebychev距離:皮爾森相關(guān)系數(shù):M

9、inkowski距離:,14,機(jī)器學(xué)習(xí):聚類 (Clustering),DNA芯片數(shù)據(jù)的聚類:兩類之間的距離最短距離法:最長距離法:重心法:類平均法:離差平方和:,15,機(jī)器學(xué)習(xí):聚類 (Clustering),聚類方法:k-均值法(k-means)給定 k, k-均值算法由以下四步來完成:把對象劃分為 k 個(gè)非空的子集;隨機(jī)的選擇一些種子點(diǎn)作為目前劃分的簇的質(zhì)心。質(zhì)心是簇的中心(平均點(diǎn));把每一個(gè)對象賦

10、給最近的種子點(diǎn);重復(fù)第二步,直到?jīng)]有新的分配;,16,機(jī)器學(xué)習(xí):聚類 (Clustering),聚類方法:k-均值法,17,,,,,,,,,,,,,,,,,,,,,,,,,,,,機(jī)器學(xué)習(xí):聚類 (Clustering),聚類方法:k-均值法,18,,,,,,,,,,,,,,,,,,,,,,,,,,,,機(jī)器學(xué)習(xí):聚類 (Clustering),聚類方法:k-均值法,19,,,,,,,,,,,,,,,,,,,,,,,,,,,,機(jī)器學(xué)習(xí):聚

11、類 (Clustering),聚類方法:k-均值法,20,,,,,,,,,,,,,,,,,,,,,,,,,,,,機(jī)器學(xué)習(xí):聚類 (Clustering),聚類方法:k-均值法優(yōu)點(diǎn):復(fù)雜度: O(tkn), 其中 n 是對象的數(shù)目, k 是 cluster 的數(shù)目, t 是迭代的次數(shù),通常 k, t << n;通常以局部最優(yōu)結(jié)束,使用遺傳算法技術(shù)可以達(dá)到全局最優(yōu);缺點(diǎn):只有在 cluster 的平均值被定義的情況下才

12、能使用,那當(dāng)涉及有分類屬性的數(shù)據(jù)時(shí)該怎么辦?需要事先給出 k, cluster 的數(shù)目;不能處理噪聲數(shù)據(jù)和孤立點(diǎn);不適合發(fā)現(xiàn)非凸面形狀的 cluster ;對初值比較敏感;,21,機(jī)器學(xué)習(xí):聚類 (Clustering),聚類方法:k-均值法的初值敏感性,22,機(jī)器學(xué)習(xí):聚類 (Clustering),聚類方法:層次聚類( Hierarchical Clustering),23,,,,,,,機(jī)器學(xué)習(xí):聚類 (Clusterin

13、g),聚類方法:層次聚類( Hierarchical Clustering)自底向下的聚類每一項(xiàng)自成一類迭代,將最近的兩類合為一類自頂向下的聚類將所有項(xiàng)看作一類找出最不相似的項(xiàng)分裂出去成為兩類,24,機(jī)器學(xué)習(xí):聚類 (Clustering),聚類方法:層次聚類( Hierarchical Clustering),25,機(jī)器學(xué)習(xí):聚類 (Clustering),聚類方法:層次聚類( Hierarchical Clusteri

14、ng)常用于系統(tǒng)發(fā)生樹的構(gòu)造(基于序列):,26,機(jī)器學(xué)習(xí):聚類 (Clustering),聚類與系統(tǒng)發(fā)生樹,27,棕熊 北極熊 黑熊 眼鏡熊 大熊貓 浣熊 小熊貓,機(jī)器學(xué)習(xí):聚類 (Clustering),聚類與系統(tǒng)發(fā)生樹,28,機(jī)器學(xué)習(xí):聚類 (Clustering),聚類方法:有瑕團(tuán)聚類( Corrupted Cliques Clustering)團(tuán)是圖論中的概念:通過刪邊和加邊,一個(gè)圖可以破解

15、為團(tuán)的集合:,29,,,機(jī)器學(xué)習(xí):聚類 (Clustering),聚類方法:有瑕團(tuán)聚類待聚類數(shù)據(jù)的距離矩陣為完全圖的鄰接矩陣:通過取一個(gè)閾值,可以將距離大的邊刪除;將剩余的圖破解為團(tuán)的集合,每個(gè)團(tuán)對應(yīng)一個(gè)聚類;,30,機(jī)器學(xué)習(xí):雙聚類 (Bi-Clustering),雙聚類:大規(guī)模表達(dá)數(shù)據(jù)的聚類基因并不在所有條件下表達(dá);基因受多個(gè)轉(zhuǎn)錄因子調(diào)控;兩步聚類不能解決問題;,31,,,,,,,,,,,,傳統(tǒng)聚類,雙聚類,機(jī)器學(xué)習(xí):

16、雙聚類 (Bi-Clustering),雙聚類的目標(biāo):相關(guān)性,32,機(jī)器學(xué)習(xí):分類,聚類與分類的區(qū)別:訓(xùn)練集合有無(監(jiān)督與非監(jiān)督)類別已知和未知,33,機(jī)器學(xué)習(xí):分類,分類問題及其算法對研究對象進(jìn)行貼標(biāo)簽式分類;用途:自然科學(xué)中有很多分類問題;生物種群分類;基于訓(xùn)練集合進(jìn)行特征選?。换诟鞣N特征進(jìn)行疾病診斷;方式:基于各種特征,或在機(jī)器學(xué)習(xí)過程中提取特征;一般基于訓(xùn)練集合給出關(guān)于特征的標(biāo)準(zhǔn);,34,機(jī)器學(xué)習(xí):分

17、類,二分類問題:目的:將研究目標(biāo)分為不同屬性的兩類;標(biāo)準(zhǔn):基于訓(xùn)練集合的特征選取和特征函數(shù)構(gòu)造;方法:利用學(xué)習(xí)出來的標(biāo)準(zhǔn)對新目標(biāo)進(jìn)行分類;方法:貝葉斯分類;決策樹;支持向量機(jī);人工神經(jīng)網(wǎng)絡(luò);k 近鄰法;。。。,35,機(jī)器學(xué)習(xí):決策樹,決策樹(Decision Tree) 決策樹由一個(gè)決策圖和可能的結(jié)果組成, 用來創(chuàng)建到達(dá)目標(biāo)的規(guī)劃。常用于分類;動物分類的例子:基于不同的屬性進(jìn)行分步驟的判斷;,36,機(jī)器學(xué)習(xí)

18、:決策樹,要素:特征參數(shù):xi;分類標(biāo)簽: y= 0 or 1;訓(xùn)練集合: (xi, yi)構(gòu)造樹:決策結(jié)點(diǎn)、分支和葉結(jié)點(diǎn)。步驟:利用訓(xùn)練集建立并精化決策樹,建立決策樹模型。利用決策樹對新數(shù)據(jù)進(jìn)行分類。從根結(jié)點(diǎn)依次測試記錄的屬性值,直到到達(dá)某葉結(jié)點(diǎn),找到該記錄所在的類。關(guān)鍵點(diǎn):建樹(Tree Building):決策樹建樹算法見下,這是一個(gè)遞歸的過程,最終將得到一棵樹。剪枝(Tree Pruning):剪枝的目的是降低

19、由于訓(xùn)練集存在噪聲而產(chǎn)生的起伏。,37,機(jī)器學(xué)習(xí):決策樹,決策樹算法的點(diǎn)如下:決策樹是一種構(gòu)建分類模型的非參數(shù)方法;不需要昂貴的的計(jì)算代價(jià);決策樹相對容易解釋;決策樹是學(xué)習(xí)離散值函數(shù)的典型代表;決策數(shù)對于噪聲的干擾具有相當(dāng)好的魯棒性;冗余屬性不會對決策樹的準(zhǔn)確率造成不利影響;找到最佳的決策樹理論上是 NP 難問題;,38,機(jī)器學(xué)習(xí):決策樹,例子:天氣與高爾夫球場客流量;對決策樹的期望:規(guī)模較小;葉節(jié)點(diǎn)盡量少,熵值低

20、;決策節(jié)點(diǎn)特征的選??;,39,機(jī)器學(xué)習(xí):決策樹,決策樹的一些缺點(diǎn):數(shù)據(jù)碎片問題。隨著樹的生長,可能導(dǎo)致葉結(jié)點(diǎn)記錄數(shù)太少,對于葉結(jié)點(diǎn)代表的類,不能做出具有統(tǒng)計(jì)意義的判決;子樹可能在決策樹中重復(fù)多次,使決策樹過于復(fù)雜;判定條件太過明確,導(dǎo)致爭議;,40,機(jī)器學(xué)習(xí):支持向量機(jī),支持向量機(jī) (SVM, Supporting Vector Machine)Vapnik;起源于線性分類器,線性可分;擴(kuò)展到線性不可分的情況;甚至擴(kuò)展

21、到使用非線性函數(shù)中去。近年來的熱點(diǎn)方法;監(jiān)督式學(xué)習(xí)(supervised learning),41,機(jī)器學(xué)習(xí):支持向量機(jī),思想:如果兩類別訓(xùn)練樣本線性可分,則在兩個(gè)類別的樣本集之間存在一個(gè)間隔。我們來尋找最優(yōu)分界面;對一個(gè)二維空間的問題用下圖表示。,42,機(jī)器學(xué)習(xí):支持向量機(jī),思想(續(xù)1)H 是將兩類分開的分界面,而 H1 與 H2 與 H 平行,H 是其平分面,H1 上的樣本是第一類樣本到 H 最近距離的點(diǎn),H2 的點(diǎn)則是第二

22、類樣本距 H 的最近點(diǎn)。,43,機(jī)器學(xué)習(xí):支持向量機(jī),思想(續(xù)2)由于這兩種樣本點(diǎn)很特殊,處在間隔的邊緣上,因此再附加一個(gè)圈表示。這些點(diǎn)稱為支持向量,它們決定了這個(gè)間隔。,44,機(jī)器學(xué)習(xí):支持向量機(jī),思想(續(xù)3)顯然使 H1 與 H2 之間間隔最大的分界面 H 是最合理的選擇,因此最大間隔準(zhǔn)則就是支持向量機(jī)的最佳準(zhǔn)則。,45,,,,,,機(jī)器學(xué)習(xí):支持向量機(jī),如何找到最大間隔?在凸集合上找最近點(diǎn):,46,,,,,,,,,,,,,,,

23、,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,c,d,,,,,,機(jī)器學(xué)習(xí):支持向量機(jī),分界線:一個(gè)線性判別函數(shù)(discriminant function)是指由 x 的各個(gè)分量的線性組合而成的函數(shù);兩類情況:對于兩類問題的決策規(guī)則為如果 g(x) > 0,則判定 x 屬于 H1,如果 g(x) < 0,則判定 x 屬于 C2,如果 g(x) = 0,則可以將 x 任意分到某一類或者拒絕判

24、定。,47,機(jī)器學(xué)習(xí):支持向量機(jī),方程 g(x) = 0 定義了一個(gè)判定面,它把歸類于 C1 的點(diǎn)與歸類于 C2 的點(diǎn)分開來。當(dāng) g(x) 是線性函數(shù)時(shí),此平面被稱為超平面 (hyperplane)。方程 g(x) = 0 實(shí)際上是 n - 1維的線性子空間;,48,機(jī)器學(xué)習(xí):支持向量機(jī),如何找到最大間隔?為了將這個(gè)準(zhǔn)則具體化,需要用數(shù)學(xué)式子表達(dá)。為了方便,將訓(xùn)練樣本集表示成 {xi, yi},i = 1, …, N,其中 xi

25、為 d 維向量也就是特征向量,而 yi ∈{-1, +1},即用 yi 是 +1 或 -1 表示其類別。對于分界面 H 表示成:并且滿足:故 H1到 H2 的間隔為:目標(biāo):在滿足約束條件的前提下達(dá)到間隔最大;前提:線性可分;,49,機(jī)器學(xué)習(xí):支持向量機(jī),轉(zhuǎn)化為帶約束的極值問題,或規(guī)劃問題;對于這樣一個(gè)帶約束條件為不等式的條件極值問題,需要引用擴(kuò)展的拉格朗日乘子理論,按這個(gè)理論構(gòu)造拉格朗日函數(shù)的原則為:,50,(3)

26、,機(jī)器學(xué)習(xí):支持向量機(jī),上述方法線性可分條件為基本前提;可否將不可分問題轉(zhuǎn)化為可分?,51,機(jī)器學(xué)習(xí):支持向量機(jī),異或問題是最簡單的一個(gè)無法直接對特征采用線性判別函數(shù)解決的問題。如圖所示的四個(gè)樣本點(diǎn)。利用 SVM 將他們映射到一個(gè)更高維的空間,使之線性可分。,52,機(jī)器學(xué)習(xí):支持向量機(jī),采用最簡單且展開不超過二次的展開將上述問題的點(diǎn)映射到六維空間:最佳超平面是:其二維空間投影如圖所示,53,,機(jī)器學(xué)習(xí):支持向量

27、機(jī),特點(diǎn):對特征空間劃分的最優(yōu)超平面是SVM的目標(biāo),最大化分類邊際的思想是SVM方法的核心;支持向量是SVM的訓(xùn)練結(jié)果,在SVM分類決策中起決定作用的是支持向量;模型為凸二次規(guī)劃模型,沒有陷入局部最優(yōu)解的問題,任何局部最優(yōu)解都是全局最優(yōu)解;SVM 的最終決策函數(shù)只由少數(shù)的支持向量所確定,計(jì)算的復(fù)雜性取決于支持向量的數(shù)目,而不是樣本空間的維數(shù),這在某種意義上避免了“維數(shù)災(zāi)難”。少數(shù)支持向量決定了最終結(jié)果,這不但可以幫助我們抓住關(guān)

28、鍵樣本、“剔除”大量冗余樣本,而且注定了該方法不但算法簡單,而且具有較好的“魯棒”性。,54,機(jī)器學(xué)習(xí):分類結(jié)果的衡量,靈敏度(Sensitivity)與特異度(Specificity)假陽性(FP)、真陽性(TP);假陰性(FN)、真陰性(FN);,55,機(jī)器學(xué)習(xí):分類結(jié)果的衡量,Test!,56,機(jī)器學(xué)習(xí):分類結(jié)果的衡量,ROC曲線接收者操作特征(receiver operating characteristic)真陽性率(

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論