TTNT_ch5.1

Phạm Việt Hưng - TTNT NHậP MƠN TRÍ TUệ NHÂN TạO 18/04/22 Chương 5: Học máy Giới thiệu chung Giới thiệu chung học máy Phạm Việt Hưng - TTNT 18/04/22 Tài liệu tham khảo     N Nilsson Introduction to machine learning http://ai.stanford.edu/people/nilsson/mlbook.html T Mitchell Machine learning McGraw-Hill, 1997 E Alpaydin Introduction to machine learning MIT Press 2004 S Russell, P Norvig Artificial Intelligence: A Modern Approach (2nd Edition) 2002 Phạm Việt Hưng - TTNT 18/04/22 Công cụ liệu  Bộ công cụ Weka   http://www.cs.waikato.ac.nz/~ml/weka Kho liệu mẫu UC Irvine  http://www.ics.uci.edu/~mlearn/ML/Repository.html Phạm Việt Hưng - TTNT 18/04/22 Lý đời phát triển HM    Dữ liệu nhiều rẻ; tri thức Sự tiến lý thuyết tính tốn tốc độ máy tính Sự tương tự với khả trí tuệ người Phạm Việt Hưng - TTNT 18/04/22 Một số ứng dụng học máy  Những ứng dụng khó lập trình theo cách thơng thường khơng tồn khó giải thích kinh nghiệm, kỹ người    Nhận dạng chữ viết, âm thanh, hình ảnh Lái xe tự động, thám hiểm Hoả Chương trình máy tính có khả thích nghi: lời giải thay đổi theo thời gian theo tình cụ thể   Chương trình trợ giúp cá nhân Định tuyến mạng Phạm Việt Hưng - TTNT 18/04/22 Một số ứng dụng (tiếp theo)  Khai phá (phân tích) liệu   Hồ sơ bệnh án -> tri thức y học Dữ liệu bán hàng -> quy luật kinh doanh Phạm Việt Hưng - TTNT 18/04/22 ALVINN   Lái xe tự động Sử dụng mạng nơron Phạm Việt Hưng - TTNT 18/04/22 Nhận dạng mặt người  Ảnh mẫu  Ảnh cần nhận dạng Phạm Việt Hưng - TTNT 18/04/22 Một số ứng dụng khác   Phân loại văn bản, lọc thư rác Tách thông tin từ văn Tơi có máy X800 Panasonic màu trắng Máy đẹp 98% Hàng Japan xịn Máy kèm thẻ mini SD 128MB Máy chụp ảnh quay phim nét đẹp Nghe gọi to, rõ, sóng khoẻ, Tất tốt Tôi muốn bán máy với giá 3T7 Ai mua xin vui lòng liên hệ trưc tiếp với theo số 0901234567 Phạm Việt Hưng - TTNT 18/04/22 Ứng dụng sinh học phân tử: phân tích liệu biểu gien Phạm Việt Hưng - TTNT 18/04/22 Học máy  Học:   …thu thập kiến thức kỹ năng… Học máy:   Giải vấn đề từ kinh nghiệm …được thực chương trình máy tính có khả năng:  Thực công việc T tốt  Theo tiêu chí P  Nhờ sử dụng liệu mẫu kinh nghiệm E Phạm Việt Hưng - TTNT 18/04/22 Ví dụ  Học đánh cờ     T: đánh cờ P: số ván thắng E: kinh nghiệm tự chơi Học nhận dạng chữ   P: phần trăm chữ nhận dạng E: ảnh số chữ chữ tương ứng Phạm Việt Hưng - TTNT 18/04/22 Học đánh cờ    T: đánh cờ P: số ván thắng Các vấn đề khác:     Kinh nghiệm cụ thể Cần phải học gì? Biểu diễn kiến thức học nào? Sử dụng thuật tốn để học? Phạm Việt Hưng - TTNT 18/04/22 Các dạng kinh nghiệm  Kinh nghiệm trực tiếp gián tiếp    Trực tiếp: trạng thái cụ thể + nước tương ứng Gián tiếp: toàn ván cờ kết Có hướng dẫn (giám sát) khơng hướng dẫn   Có hướng dẫn Khơng hướng dẫn Phạm Việt Hưng - TTNT 18/04/22 Cần học   Tri thức cần học biểu diễn hàm đích, cần lựa chọn hàm đích cụ thể Ví dụ đánh cờ:   Chọn_nước_đi: trạng thái->nước Điểm_số: trạng thái->điểm số Phạm Việt Hưng - TTNT 18/04/22 Biểu diễn hàm đích  Sử dụng hàm      VD: điểm_số = w1x1+w2x2+w3x3+w4x4+… Sử dụng luật Sử dụng mạng nơ ron Sử dụng định … Phạm Việt Hưng - TTNT 18/04/22 Thiết kế chương trình học máy      Lựa chọn liệu kinh nghiệm Lựa chọn hàm đích Lựa chọn biểu diễn cho hàm đích Lựa chọn thuật tốn học Tiến hành học (huấn luyện) Phạm Việt Hưng - TTNT 18/04/22 Phân loại học máy  Học có giám sát (supervised)    Học không giám sát (unsupervised)    Phân loại (classification) Hồi quy (regression) Học luật kết hợp (association) Phân cụm (clustering) Học tăng cường (reinforcement) Phạm Việt Hưng - TTNT 18/04/22 Phân loại cân nặng chiều cao Phạm Việt Hưng - TTNT 18/04/22 Tính ngược (regression) Tuổi thọ y=ax+b tài sản Ứng dụng: dự đoán giá cả, lái xe, v.v Phạm Việt Hưng - TTNT 18/04/22 Ứng dụng học có giám sát     Dự đốn cho tình tương lai: sử dụng quy tắc học để dự đoán đầu cho đầu vào tương lai Phát tri thức: dạng quy tắc học (dễ hiểu hơn) Rút gọn: quy tắc gọn liệu Phát ngoại lệ: trường hợp không theo quy tắc Phạm Việt Hưng - TTNT 18/04/22 Học luật kết hợp   Ví dụ: phân tích giỏ mua hàng P(Y|X) xác suất người mua hàng X mua hàng Y  Người mua bánh mì thường mua bơ Phạm Việt Hưng - TTNT 18/04/22 Học không giám sát    Phân cụm: nhóm trường hợp tương tự với Khơng có giá trị đầu Ứng dụng:    Phân cụm khách hàng Nén ảnh: lượng tử mầu Thiết kế vi mạch Phạm Việt Hưng - TTNT 18/04/22