機器學習簡介PPT通用課件

1、機器學習簡介2018-03-15中國電子科技集團第三十二研究所目錄機器學習的定義機器學習的定義機器學習的發展歷史和現狀機器學習的發展歷史和現狀機器學習的分類機器學習的分類機器學習的常見算法機器學習的常見算法機器學習的基本過程機器學習的基本過程機器學習的示例機器學習的示例機器學習的常見應用機器學習的常見應用流行的開源機器學習框架流行的開源機器學習框架Spark MLlib介紹介紹機器學習的定義1機器學習的定義1機器學習的發展歷史2機器學習的發展現狀3機器學習的分類4機器學習的分類 - 監督學習4機器學習的分類 - 無監督學習4機器學習的分類 - 半監督學習4機器學習的分類 - 強化學習4機器學習

2、的分類 - 總結4機器學習的常見算法5常見算法 - 回歸算法5常見算法 - 回歸算法5常見算法 - 神經網絡5常見算法 - 神經網絡5常見算法 - SVM支持向量機5常見算法 - SVM支持向量機5常見算法 - 聚類算法5常見算法 - 降維算法5常見算法 - 推薦算法5常見算法 - 推薦算法5常見算法 - 其他算法5機器學習的基本過程6機器學習的操作流程7機器學習示例8機器學習的常見應用9流行的開源機器學習框架11TensorFlow是谷歌基于C+開發、發布的第二代機器學習系統。開發目的是用于進行機器學習和深度神經網絡的研究。目前Google 的Google App 的語音識別、Gmail 的

3、自動回復功能、Google Photos 的圖片搜索等都在使用 TensorFlow 。GitHub項目地址：https:/ 模塊，它建立在SciPy之上。基本功能主要被分為六個部分：分類、回歸、聚類、數據降維、模型選擇、數據預處理。GitHub項目地址: https:/ 是由神經網絡中的表達式、速度及模塊化產生的深度學習框架。Caffe是一個基于C+/CUDA架構框架，開發者能夠利用它自由的組織網絡，目前支持卷積神經網絡和全連接神經網絡（人工神經網絡）。在Linux上，C+可以通過命令行來操作接口，運算上支持CPU和GPU直接無縫切換。GitHub項目地址: https:/ 或 Theano

4、 上都能夠運行，是一個高度模塊化的神經網絡庫，支持GPU和CPU運算。Keras側重于開發快速實驗，用可能最少延遲實現從理念到結果的轉變，即為做好一項研究的關鍵。GitHub項目地址:https:/ 是面向開發人員和數據科學家的開源機器學習服務器。它支持事件采集、算法調度、評估以及經由REST APIs的預測結果查詢。使用者可以通過PredictionIO做一些預測，比如個性化推薦、發現內容等。PredictionIO 基于 REST API（應用程序接口）標準，不過它還包含 Ruby、Python、Scala、Java 等編程語言的 SDK（軟件開發工具包）。其開發語言是Scala語言，數據

5、庫方面使用的是MongoDB數據庫，計算系統采用Hadoop系統架構。 GitHub項目地址: https:/ 是Apache Software Foundation（ASF） 旗下的一個開源項目，提供一些可擴展的機器學習領域經典算法的實現，旨在幫助開發人員更加方便快捷地創建智能應用程序。Mahout包含許多實現，包括聚類、分類、推薦過濾、頻繁子項挖掘。傳統的Mahout是提供的是Java的API，用戶應用會編譯成MapReduce的job，運行在MapReduce的框架上。從現在看來，這種方式開發效率低，運行速度慢，已經過時了。Mahout已經不再開發和維護新的基于MR的算法，而轉向支持Scala。GitHub項目地址: https:/ MLlib是Spark對常用的機器學習算法的實現庫，同時包括相關的測試和數據生成器。Spark的設計初衷就是為了支持一些迭代的Job, 這正好符合很多機器學習算法的特點。Spark基于內存的計算模型天生就擅長迭代計算，多個步驟計算直接在內存中完成，只有在必要時才會操作磁盤和網絡。 GitHub項目地址:https:/ MLlib介紹12n Spark MLlib是Spark對常用的機器學習算法的實現庫，同時包括相關的測試和數據生成器。n MLlib目前支持4種常見的機器學習問題: 分類、回歸、聚類和協同過濾。Spark MLlib介紹1