Page 87 - 基于深度学习的人工智能技术研究

第三章 深度学习理论与实践

第三章 深度学习理论与实践

第一节 机器学习与深度学习

一、机器学习算法在数据挖掘中的应用

机器学习算法属于交叉学科，通过计算机对人类行为进行模拟，可以从中获

取到新知识以及新技能。由此可以看出，机器学习算法在数据挖掘技术中的合理
利用能够保证数据挖掘技术在应用时的数据分析以及处理能力的强化。
（一）机器学习以及数据挖掘概念
1. 机器学习

机器学习领域相对广泛，包括算法以及概率等。机器学习中涉及的技术逐渐
复杂化，比如 AI 技术在日常生产生活中的应用范围较广。在大量数据中能够获
取到知识点，实现各种不同类型信息相互之间的高效整合。同时，还可以通过其
他算法的合理利用，实现对数据的分类处理。数据处理主要是以速度和泛化能力

为主，速度方面主要是指预测以及训练 2 种速度。
2. 数据挖掘技术
用户对手机进行使用时，可以直接以时间序列等方式实现对手机定位，也就
是在实践中可以直接将手机用户活动轨迹进行客观分析。同时，还可以实现完整

还原，这样能够对人口的特征信息等展开深入挖掘。
（二）相关原理
1. 朴素贝叶斯算法
通常，朴素贝叶斯算法在应用时首先需要做到的一点是，通过对已经获取到

的各种不同类型信息，实现对样本结合的选择和利用，同时对其中的全部元素进
行准确有效的标记。其次，对分类器进行训练，针对训练样本集合展开有针对性
的统计和分析，以此来得出不同类别出现的概率。除此之外，在分类样本方面可
以直接将分类样本代入分类器中，从而获取准确结果。

79