模式识别的含义与理解模式识别是人类的一项基本智能。模式识别以图像处理与计算机视觉、语音语言信息处理、脑网络组、类脑智能等为主要研究方向，研究人类模式识别的机理以及有效的计算方法。所谓模式识别的问题就是用计算的方法根据样本的特征将样本划分到一定的类别中去
模式识别是人类的一项基本智能。 模式识别以图像处理与计算机视觉、语音语言信息处理、脑网络组、类脑智能 等为主要研究方向，研究人类模式识别的机理以及有效的计算方法。 所谓模式识别的问题就是用计算的方法根据样本的特征将样本划分到一定的类 别中去。 模式识别的含义与理解
总结人工智能是制造“智能”的01“机器”机器学习是程序实现人类02智能中的学习能力，借助经验（数据）不断提升自模式识别的目的是能够最大程度己的“性能”。03实现“人类智能”中的“模式识别”，把对应“事务”划分到特定“分类中”，目前，它使用的主要手段是机器学习
人工智能是制造“智能”的 “机器”。 模式识别的目的是能够最大程度 实现“人类智能”中的“模式识 别”，把对应“事务”划分到特 定“分类中”，目前，它使用的 主要手段是机器学习。 机器学习是程序实现人类 智能中的学习能力，借助 经验（数据）不断提升自 己的“性能”。 01 02 03 总结
1.2机器学习基本概念样本任务数据集、评估(task)(sample)Data set·分类·训练样本（training·属性/特征·泛化，稳健，效率data），测试样本(attributes,feature)(classification），标记（label)回归（regression）(testingdata）验·评价，预测证样本（verifying·样本空间、属性空间data)标记空间
数据集、 Data set ⚫ 训练样本（training data）， 测试样本 （testing data），验 证样本（verifying data） 样本 （sample） ⚫ 属性/特征 （attributes,feature）， 标记（label） ⚫ 样本空间、属性空间、 标记空间 任务 （task） ⚫ 分类 （classification）， 回归（regression） ⚫ 评价，预测 评估 ⚫ 泛化，稳健，效率 1.2 机器学习基本概念
课后练习：查找、学习并理解如下概念训练误差，training精度，欠拟合，测试误差，查全率召回error,empiricalunderfitting率，recalltesting erroraccuracyerror查准率，泛化误差过拟合，误差，、（模型输precision出与样本输出差generalizationoverfitting距），errorerror
课后练习：查找、学习并理解如下概念 精度， accuracy 误差，（模型输 出与样本输出差 距），error 训练误差，training error，empirical error 泛化误差， generalization error 测试误差， testing error 过拟合， overfitting 欠拟合， underfitting 查准率， precision 查全率 召回 率，recall
1.3人工智能路径和分类1956年，人工智能先驱著名的人工智能教材我国《人工智能标准约翰·麦卡锡（JOHN种现《人工智能化白皮书（2018年）》MCCARTHY)代方法》给出了人工智能的定义在达特矛斯会议一书中将已有的人工智能“人工智能是利用数字计算(DARTMOUTH分为了四类：像人一样思机或者由数字计算机控制的考的系统、像人一样行动CONFERENCE）上提出：机器，模拟、延伸和扩展人人工智能就是要让机器的的系统、理性思考的系统类的智能，感知环境、获取行为看起来就像是人所表理性行动的系统；知识并使用知识获得最佳结现出的智能行为一样；果的理论、方法、技术和应用系统
1.3 人工智能路径和分类 给出了人工智能的定义： “人工智能是利用数字计算 机或者由数字计算机控制的 机器，模拟、延伸和扩展人 类的智能，感知环境、获取 知识并使用知识获得最佳结 果的理论、方法、技术和应 用系统。” 一书中将已有的人工智能 分为了四类：像人一样思 考的系统、像人一样行动 的系统、理性思考的系统、 理性行动的系统； 在达特矛斯会议 （DARTMOUTH CONFERENCE）上提出： 人工智能就是要让机器的 行为看起来就像是人所表 现出的智能行为一样； 1956年，人工智能先驱 约翰·麦卡锡（JOHN MCCARTHY） 我国《人工智能标准 化白皮书（2018年）》 著名的人工智能教材 《人工智能——一种现 代方法》