(04强化学习
动态系统 机器人控制
常见算法包括Q-Learning以及时间差学习(Temporal difference learning)等。
机器学习常见算法 AlphaGo Zero
-没有任何除规则以外的监督信号，并且只以棋盘当前局面 作为网络输入。
•使用策略迭代的强化学习算法去更新神经网络的参数。
Negative Dataset
Training
2. Build epigenetic model by training
Model
3. Estimate accuracy by calculating likelihood
Likelihood of model P(D|M)
常见算法有逻辑回归(Logistic Regression)、反向传递神经网络(Back Propagation Neural
-判断预测结果并反馈。 -BP算法，反向传播算法。
4.应用
把模型融合到不同的应用程序中
3 .验证
至此，第下来使用第 的准确率
分类问题
1 .数据的生成和分类
-第一组叫做训练集，用来训练 神经网 络；
-第二组叫做验证集，用来检验 训练好 的神经网络能否认出 你，正确率有 多少。
机器学习常见算法
(02无监督式学习
机器学习常见算法
(03半监督式学习
Supervised Learning
2. Build epigenetic model by training Model Likelihood of model
P(D|M)
、匕监督学习 每类标 记1360个数据
半监督学习 每类标 记30个数据
110
机器学习常见算法
Network)、决策树(Decision Trees)、朴素贝叶斯分类(Naive Bayesian classification)等。
机器学习常见算法
示例
若要设计一个系统：从相册中找出你的 照片，基本的步骤?
机器学习常见算法
2.训练 -每一幅图像都会作为输入数据，根据一
定的规则，得到0或1输出。
人工智能技术
机器学习常见算法
主讲：张静
问题引入
机器学习常见算法
监督式学习
半监督式学习
无监督式学习
强化学习
机器学习常见算法
(01监督式学习
■分类问题 回归问题
Supervised Learning
Positive Dataset
Data
训练数据
1. Divide data using a priori known class labels
聚类| 异常检测
见算法有图论推理算法(Graph Inference)、拉普拉斯支持向量机(Laplacian SVM.)等。
机器学习常见算法
示例
假 设 你 要 生 产 T 恤 ， 却 不 知 道 XS、S、M、L 和 XL 的 尺 寸 到 底应该设计多大。你可以根据人们的体测数据，用聚类算法 把人们分到不ቤተ መጻሕፍቲ ባይዱ的组，从而决定尺码的大小。
强化学习-示例
小结
-企业数据应用的场景~监督式学习和无监督式学习 -图像识别等领域~半监督式学习 -机器人控制及其他需要进行系统控制的领域~强化学习
谢谢您的观看
敬请批评指点
突然增大的数据流量可能意味着有 快要离职的员工下载所有的 CRM（ Customer Relationship Management ，客户关系 管理） 历史数据，或者有人往新开账户里
面转了一大笔钱。
机器学习常见算法
(03半监督式学习
预测 分类和回归
一小部分输入数据是标记过的 W大部分是没有标记的