Bài giảng Học máy (IT 4862): Chương 1 - Nguyễn Nhật Quang

Học Máy<br /> (IT 4862)<br /> <br /> Nguyễn<br /> ễ Nhật<br /> hậ Quang<br /> quangnn-fit@mail.hut.edu.vn<br /> <br /> Trường Đại học Bách Khoa Hà Nội<br /> Viện Công nghệ thông tin và truyền thông<br /> Năm học 2011-2012<br /> <br /> Nội d<br /> dung môn<br /> ô h<br /> học:<br /> „<br /> <br /> Giới thiệu chung<br /> • Học máy<br /> • Công cụ WEKA<br /> <br /> „<br /> <br /> Đánh giá hiệu năng hệ thống<br /> ố học máy<br /> <br /> „<br /> <br /> Các phương pháp học dựa trên xác suất<br /> <br /> „<br /> <br /> Các phương pháp học có giám sát<br /> <br /> „<br /> <br /> Các p<br /> phương<br /> gp<br /> pháp<br /> p học<br /> ọ không<br /> gg<br /> giám sát<br /> <br /> „<br /> <br /> Lọc cộng tác<br /> <br /> „<br /> <br /> Học tăng cường<br /> Học Máy – IT 4862<br /> <br /> 2<br /> <br /> Giới thiệu về Học máy<br /> „<br /> <br /> „<br /> <br /> Học máy (Machine Learning – ML) là một lĩnh vực nghiên cứu của Trí<br /> tuệ nhân tạo (Artificial Intelligence – AI)<br /> Các định nghĩa về học máy<br /> → Một quá trình nhờ đó một hệ thống cải thiện hiệu suất (hiệu quả hoạt<br /> động) của nó [Simon, 1983]<br /> → Một quá trình mà một chương trình máy tính cải thiện hiệu suất của nó<br /> trong một công việc thông qua kinh nghiệm [Mitchell, 1997]<br /> → Việc<br /> ệ lập<br /> ập trình các máy<br /> y tính để tối ưu hóa một<br /> ộ tiêu chí hiệu<br /> ệ suất dựa<br /> ự trên<br /> các dữ liệu ví dụ hoặc kinh nghiệm trong quá khứ [Alpaydin, 2004]<br /> <br /> „<br /> <br /> Biểu diễn một bài toán học máy [Mitchell, 1997]<br /> H máy<br /> Học<br /> á = Cải thiệ<br /> thiện hiệu<br /> hiệ quả<br /> ả một<br /> ột công<br /> ô việc<br /> iệ thông<br /> thô qua ki<br /> kinh<br /> h nghiệm<br /> hiệ<br /> • Một công việc (nhiệm vụ) T<br /> • Đối với các tiêu chí đánh giá hiệu năng P<br /> • Thông qua (sử dụng) kinh nghiệm E<br /> Học Máy – IT 4862<br /> <br /> 3<br /> <br /> Ví dụ bài toán học máy (1)<br /> Lọc thư rác – Email spam<br /> filtering<br /> • T: Dự đoán (để lọc) những thư điện<br /> p<br /> email))<br /> tử nào là thư rác ((spam<br /> • P: % of các thư điện tử gửi đến được<br /> phân loại chính xác<br /> • E: Một tập các thư điện tử (emails)<br /> mẫu, mỗi thư điện tử được biểu diễn<br /> bằng một tập thuộc tính (vd: tập từ<br /> khó ) và<br /> khóa)<br /> à nhãn<br /> hã lớp<br /> lớ (thư<br /> (th thường/thư<br /> th ờ /th<br /> rác) tương ứng<br /> <br /> Học Máy – IT 4862<br /> <br /> Thư rác?<br /> <br /> Thư<br /> thường<br /> <br /> Thư<br /> rác<br /> <br /> 4<br /> <br /> Ví dụ bài toán học máy (2)<br /> Phân loại các trang Web<br /> „<br /> <br /> T: Phân loại các trang Web theo các chủ đề<br /> ề đã định trước<br /> <br /> „<br /> <br /> P: Tỷ lệ (%) các trang Web được phân loại chính xác<br /> <br /> „<br /> <br /> E: Một tập<br /> E<br /> tậ các<br /> á trang<br /> t<br /> W b trong<br /> Web,<br /> t<br /> đó mỗi<br /> ỗi trang<br /> t<br /> W b gắn<br /> Web<br /> ắ với<br /> ới một<br /> ột<br /> chủ đề<br /> <br /> Chủ<br /> đề?<br /> <br /> Học Máy – IT 4862<br /> <br /> 5<br /> <br />