人工智能讲座复旦

人人工智能前沿讲计计算机学院，复旦 人工智能历人工智能基人工智能进人工智能案例分基于LBS大数据的医院了解大数据中的人工智能/机器学习基本理 工智能/机器学习领域 进思考人工智能的发展趋1会议/ /书工具/总总统竞案例RaydMasterCMU2001MentoromResearchdirectorComputationnstituteUniversityo竞选团队首席科学家竞选团队首席科学家 亮点历史竞选数据/每天66000 针对摇摆州 推荐在社交网络下的互动时间回自然科学基金(NSF)投资2 用于大数““hedigitaluniversein2020”haloglobalbigdatawassurveillance in2012andtheerceaessetocreaseo65ercety20152020的数字宇宙：全球大数据的一半在21将是视频 ，到205年将增加到65。2搜搜索引Googe(foundedatSep4,(Jan(Jan1,网网络网络服务和信息规模 性增社:1.35bonmonthyactveTwtter:morethan100monsofWebo:5003 qVolume(大体量)qVariety(多样性)qVelocity(时效性)qVeracity(准确性)qValue(大价值)理重要 理信信人智能人智能/航空航天局 的科学家在《Scence 个过程正起到越来越大的支持作用，……，该领域在今后的干年内将取得稳定而快速的发展[E.Mjosness&D.DesCoste,Science01]4重重要性（续人工智能中最活跃、应用潜力最明显的领域（之[TGDietterichAIMag、欧洲各国都投入了大量人力大型公司如波音、微软、通用电器等都有研究2003，DARPA以机器学习 的PAL计划MachneLearnngDepartmentCarnegeMeonUnversty，20072010机器学习若干关键问题研究 人人工智能发展人人工智能基础5基基本概变量属性变变量/特征类连续变{温度湿度离散变名义(范畴)变 女性}{棕色，褐色，咖啡色，红色有序变量序关系明{低、中、高}{小学，中学，高中区间亦[0708[$90000$95属属性/特6属性/特属性/特7n1Dn1DM(Xi,Xj)= (X!i=1度标准Standard度标准Standard FeatureX0欧氏距马氏距22D(D(Xi,Xj)=kX Xjk2 (Xt—XXXj)C1(X Xj12CCn(X µ)(X 机机器学基本范监督学习： 数非监督学习： 数半监督学习：两者均增强学习：通过与环境交互学预测：从数据中预测未知分类： 分配至预定义的聚类：按成组的相似性聚关联规则：啤酒与尿81NN1评1NN1评 误精度Precs 率ROC(受试者工作特征曲线AUC面假阳性(Fasepostve)/TruePostsign(yi f(xi))nMSE基本学曲面(拟合)回 聚 。。。。MSMSEnf(xi))29ROCandROCand模型选模型选过拟合现过拟合现方差引起的误差在给定数据点前提下，模型预测的方差引起的误差在给定数据点前提下，模型预测的可变偏差-方差分偏差引起的误差模型期望预测与试图预测的正确值之间的差Err(x)=Bias2+Variance+IrreducibleError ei Err(x)=E[( fˆ(x))2⇣Err(x)=E[f(ˆx)]f(x)+Ef(ˆx)E[f(ˆx)]偏差方差折Y=f(x)+ ✏⇠N(0,偏差方差偏差方差折模模型复杂模模型复杂性/模型选min(Lossfunction ·Model剃刀原理/Occam’sRazorprncpenttesmustnotbemutpedbeyondnecess简单更参数复min(Lossfunction (Parameter))编码复杂VC复杂交交叉验证和留一2—2—( µ)数