先带着一个问题来学对应幻灯片 PPT 第 15 页
机器怎样从例子中学会判断?
像学认水果:先看许多带答案的例子,再判断没见过的水果。模型学到的是数据里的规律,不是常识大全。
学完能做到
分清样本、特征和标签;判断一个问题是回归还是分类;运行环境自检。
第一遍不必深究:强化学习的算法细节。
先算一个小例子对应幻灯片 PPT 第 16 页
三个样品的温度是 20、30、40 ℃,测得响应为 2、3、4。猜测规则是“响应约等于温度除以 10”。新样品 35 ℃ 预测为 3.5;要用新的实测值检验。
把方法带回材料与物理对应幻灯片 PPT 第 17 页
把一行数据看成一个样品:制备温度、成分是输入,测得的性质是目标。预测前拿不到的测量结果不能作为输入。
从「手工规则」到「从数据中学」对应幻灯片 PPT 第 1 页
传统程序设计,是人把每一步规则都写清楚,计算机照做:
Arthur Samuel (1959):机器学习是让计算机无需显式编程即可学习的能力。
为什么现在才火起来对应幻灯片 PPT 第 2 页
机器学习的三大范式对应幻灯片 PPT 第 3 页
| 范式 | 有无标签 | 典型任务 | 例子 |
|---|---|---|---|
| 监督学习 | 有(输入+正确答案) | 分类、回归 | 判断西瓜好坏、垃圾邮件识别 |
| 无监督学习 | 无(只有输入) | 聚类、降维 | 把一堆瓜自动分成几类 |
| 强化学习 | 奖励信号 | 序列决策 | 下棋、机器人控制 |
监督学习的两大任务对应幻灯片 PPT 第 4 页
例:由色泽、敲声预测西瓜的含糖量。
例:判断一个西瓜是好瓜还是坏瓜。
机器学习的基本元素对应幻灯片 PPT 第 5 页
| 符号 | 名称 | 含义 |
|---|---|---|
| $\mathbf{x}$ | 样本 / 特征向量 | 一个西瓜的描述,如 (色泽=青绿, 根蒂=蜷缩, 敲声=浊响, …) |
| $y$ | 标签(label) | 我们想要预测的目标(如「好瓜 / 坏瓜」) |
| $x_j$ | 特征(feature) | $\mathbf{x}$ 的第 $j$ 个分量,如「敲声」 |
| $\hat y$ | 预测值 | 模型给出的输出 |
| $f$ | 模型 / 假设 | 从 $\mathbf{x}$ 到 $\hat y$ 的映射 $\hat y = f(\mathbf{x})$ |
一条贯穿全课的实例:判断西瓜好坏对应幻灯片 PPT 第 6 页
给定一个西瓜的外观特征(色泽、根蒂、敲声、纹理、触感…),判断它是不是好瓜。
| 特征 | 取值(离散化) | 含义 |
|---|---|---|
| 色泽 | 青绿 / 乌黑 / 浅白 | 瓜皮颜色 |
| 根蒂 | 蜷缩 / 稍蜷 / 硬挺 | 瓜蒂的形态 |
| 敲声 | 浊响 / 沉闷 / 清脆 | 敲击时的声音 |
| 纹理 | 清晰 / 稍糊 / 模糊 | 瓜面纹路 |
| 触感 | 硬滑 / 软粘 | 手摸的感觉 |
| 标签 $y$ | 好瓜 / 坏瓜 | 我们想预测的目标 |
机器学习流水线对应幻灯片 PPT 第 7 页
数据 → 特征 → 模型 → 训练 → 评估 → 预测
过拟合:机器学习的第一道坎对应幻灯片 PPT 第 8 页
模型在训练集上表现完美,却在测试集上翻车,这就是过拟合(overfitting)。
本课程的工具链对应幻灯片 PPT 第 9 页
| 工具 | 用途 | 说明 |
|---|---|---|
| Python | 主力语言 | 生态最完整的科学计算语言 |
| NumPy | 数值计算 | 高效的多维数组运算 |
| scikit-learn | 经典机器学习 | 回归、分类、聚类、降维一站式 |
| Matplotlib | 可视化 | 画数据、画损失曲线 |
| PyTorch | 深度学习 | 第 8、9 讲搭神经网络用 |
最小可运行示例:环境自检对应幻灯片 PPT 第 10 页
# -*- coding: utf-8 -*-
import numpy as np
import sklearn
import matplotlib
print('NumPy ', np.__version__)
print('scikit-learn', sklearn.__version__)
print('Matplotlib', matplotlib.__version__)
# 一条线性数据:y = 2x + 1
x = np.array([1, 2, 3, 4, 5])
y = 2 * x + 1
print('样本:', list(zip(x, y)))课堂代码片段:可能承接前页变量。第一次上机请从完整实验开始,先运行数据准备,再运行训练与评估。
会用到的数学(都很轻量)对应幻灯片 PPT 第 11 页
| 概念 | 在哪一讲用 | 要点 |
|---|---|---|
| 向量与内积 | 全课程 | $\mathbf{w}\cdot\mathbf{x}=\sum_j w_j x_j$ |
| 求导 / 梯度 | 第 2、8 讲 | 损失函数对参数求导找下降方向 |
| 概率基础 | 第 3、6 讲 | 条件概率、贝叶斯公式 |
| 矩阵 | 第 7 讲 | PCA 要用特征值分解 |
| 链式法则 | 第 8 讲 | 反向传播的本质 |
十讲内容总览对应幻灯片 PPT 第 12 页
| 讲次 | 主题 | 问题 |
|---|---|---|
| 01 | 绪论 | 机器学习是什么 |
| 02 | 线性回归 | 最简单的预测怎么做 |
| 03 | 逻辑回归与分类 | 怎么判定类别 |
| 04 | 模型评估与调参 | 怎么知道模型好不好 |
| 05 | 决策树与集成 | 多个弱模型如何变强 |
| 06 | KNN 与朴素贝叶斯 | 距离与概率的分类法 |
| 07 | 无监督学习与降维 | 没有标签怎么办 |
| 08 | 神经网络基础 | 深度学习的门槛 |
| 09 | 深度学习与 PyTorch | 动手搭网络 |
| 10 | 专题与前沿 | 机器学习遇上材料与分子 |
本讲的三个关键词对应幻灯片 PPT 第 13 页
小结对应幻灯片 PPT 第 14 页
- 1范式监督(有标签)与无监督(无标签)是两大主流
- 2元素$\mathbf{x}$(特征)、$y$(标签)、$f$(模型)、$\hat y$(预测)
- 3流程数据、特征、模型、训练、评估五步走
- 4过拟合训练好 ≠ 真的好,泛化能力才是目标
- 5工具Python + NumPy + scikit-learn 打底,PyTorch 进阶
动手任务:交出结果,也交出解释对应幻灯片 PPT 第 18 页
选一个本专业问题,写出一行示例数据,并说明预测时哪些列已经知道。
提交:一张图或一张结果表 + 150 字解释 + 一个局限。
自查:数据如何划分?比简单猜测好多少?能否推广到新样品?
课后慢读:从会说到会做
第一步:合上公式,解释问题
先回答“机器怎样从例子中学会判断?”。像学认水果:先看许多带答案的例子,再判断没见过的水果。模型学到的是数据里的规律,不是常识大全。 这个比喻只是帮助入门,模型最终仍要接受独立数据的检验。
第二步:拿小例子核对
三个样品的温度是 20、30、40 ℃,测得响应为 2、3、4。猜测规则是“响应约等于温度除以 10”。新样品 35 ℃ 预测为 3.5;要用新的实测值检验。 请写下中间步骤;不能只抄结论。若换一组数据,你的解释是否仍成立?
第三步:联系专业场景
把一行数据看成一个样品:制备温度、成分是输入,测得的性质是目标。预测前拿不到的测量结果不能作为输入。
第四步:提交一个可以检查的结果
选一个本专业问题,写出一行示例数据,并说明预测时哪些列已经知道。
参考判断与常见误区
若把目标本身或事后测量写进特征,即使分数很高也没有预测价值。
报告中分别写“我观察到什么”和“我推测为什么”。观察由图表支持;推测需要进一步实验。分数较低也可以是一份好报告,前提是数据划分合理、分析诚实。
基础达标:分清样本、特征和标签;判断一个问题是回归还是分类;运行环境自检。进阶再读:强化学习的算法细节。
附:PPT 页码对照表
| 页 | 内容 | 放映版深链 |
|---|---|---|
| 15 | 先带着一个问题来学 | 第 15 页 |
| 16 | 先算一个小例子 | 第 16 页 |
| 17 | 把方法带回材料与物理 | 第 17 页 |
| 01 | 从「手工规则」到「从数据中学」 | 第 1 页 |
| 02 | 为什么现在才火起来 | 第 2 页 |
| 03 | 机器学习的三大范式 | 第 3 页 |
| 04 | 监督学习的两大任务 | 第 4 页 |
| 05 | 机器学习的基本元素 | 第 5 页 |
| 06 | 一条贯穿全课的实例:判断西瓜好坏 | 第 6 页 |
| 07 | 机器学习流水线 | 第 7 页 |
| 08 | 过拟合:机器学习的第一道坎 | 第 8 页 |
| 09 | 本课程的工具链 | 第 9 页 |
| 10 | 最小可运行示例:环境自检 | 第 10 页 |
| 11 | 会用到的数学(都很轻量) | 第 11 页 |
| 12 | 十讲内容总览 | 第 12 页 |
| 13 | 本讲的三个关键词 | 第 13 页 |
| 14 | 小结 | 第 14 页 |
| 18 | 动手任务:交出结果,也交出解释 | 第 18 页 |