机器学习实验室讲座 总结报告

结束了连续三天半的在线讲座，收获颇丰。实验室的每位老师的研究内容及方法都各有特色，讲解从应用到理论，从理论到应用，对于我来说都耳目一新。虽然未来可能不会深度研究学习每一位老师的方向，但这几节课下来仍然大大拓宽自己的视界。
以下是自己对了解到的并且映像较为深刻的内容的个人理解：

研究方向

1）主动学习
机器学习有无监督学习，有监督学习、半监督学习、强化学习。其中，有监督学习是给出训练集的标签，训练完成后进行测试。然而很多时候，对于大量数据集的进行人工标注则会消耗大量的成本。主动学习的大致方法则是人工挑选关键样本，然后训练，对没有训练好的数据，再人工标注，再训练，从而逐渐降低人工成本，提高预测精度。
2）形式概念分析
老师利用推荐系统来介绍这个方法。我个人解释为多个用户喜欢的相同的多个作品 可以称为一个概念格，每当系统需要向用户推荐某一个新的（他没看过的）作品时，会在该用户所在的概念格中找到其它用户，若其它用户所在的概念格中也有这个作品，则有可能推荐。其中是否推荐取决于各种阈值的设置，比如，有大于50%的同概念下的用户喜欢这个作品，那么就推荐，否则不推荐。
3）推荐系统
推荐方式其实有很多种，比如基于浏览矩阵的推荐、基于评分矩阵的推荐、交互推荐、三支推荐。我认为形式概念分析也是推荐系统的一个方式。
4）三支决策-粒计算
对于数据的分类，模型可能在使用很少的特征下便成功完成了分类。但是对于某些数据，则需要更多的特征才能进行分类，这样就用到了粒计算的概念。三支决策就决定了分类是否成功，成功则结束该数据的分类，不成功则使用更多的特征来进行区分。三支决策则需要两个阈值来确定每次判断的结果。
5）地震勘探
我现在才知道，炮点放炮是在炮点设置一定吨量的炸药，从而形成地震波。通过地震波，不光能够判断地层情况，也能够判断地质。在整个地震波数据处理的过程中，会经过原始的时间序列数据转换到以深度为尺度的数据，并且，在每个阶段都会存在一定的噪声，因而都会有去噪的工作。

研究方法论及思想

1.一篇论文讲好自己的一个小点足矣。
2.要会讲故事。怎么讲？那就是要会发现问题，寻找方案，着手解决问题。
3.做研究，一定要尝试开辟新的道路。
4.面朝星空，脚着大地。要有远大目标，也要脚踏实地。
5.找到自己的研究节奏。