第七章 機器學習modified

第七章機器學習7.1基本概念機器學習學習——知識獲取過程內(nèi)在行為——獲取知識，發(fā)現(xiàn)規(guī)律，更新技能外在行為——改進性能，適應環(huán)境，實現(xiàn)自我完善機器學習指機器模擬人的學習行為

機器學習的分類根據(jù)學習方法分機械式學習指導式學習示例學習類比學習解釋學習根據(jù)推理方式分基于演繹的學習例如：解釋學習基于歸納的學習例如：示例學習7.1基本概念7.2學習方法簡介

機械式學習指導式學習示例學習類比學習解釋學習機械式學習（RoteLearning）/死記硬背式 例如：塞繆爾的跳棋程序CHECKERS

利用存儲空間換取處理時間

7.2學習方法簡介7.2學習方法簡介指導式學習（LearningbybeingTold)/教授式學習 例如：專家系統(tǒng)的知識獲取方式征詢建議轉(zhuǎn)換成可執(zhí)行的內(nèi)部形式并入知識庫評價示例學習（Learningfromexamples)概念

從若干個有關的例子中，經(jīng)歸納得出的一般性概念的學習方法。

每個例子都有僅適于該例的特殊知識，示例學習就是從這些特殊知識中歸納出適用于更大范圍的一般性知識。它覆蓋所有的正例，并排除所有的反例。7.2學習方法簡介例：以一批動物特性的描述作為示例，告訴學習系統(tǒng)哪個動物是“馬”，哪個不是。當示例足夠多時，學習系統(tǒng)就能概括出“馬”的基本概念模型，使自己能夠識別馬，把馬與其它動物區(qū)別開來。7.2學習方法簡介學習模型

示例空間驗證知識庫搜索解釋形成知識通過搜索，從示例空間選擇合適的示例，經(jīng)解釋得到所需信息，對信息綜合、歸納形成一般知識，放入知識庫，最后再從示例空間中選擇更多的示例對它進行驗證7.2學習方法簡介歸納推理枚舉歸納設a1、a2……an是某類事物A中的具體事例。若a1、a2……an都有屬性P，則當n足夠大時，可歸納出A中所有事物都具有屬性P

聯(lián)想歸納已知兩個事物a和b，已有n個屬性P1,P2…。。。Pn相同或相似。當發(fā)現(xiàn)a具有屬性Pn+1，且n足夠大時，可歸納出b也具有屬性Pn+17.2學習方法簡介

類比歸納設A、B是兩類事物的集合

A={a1、a2……}B={b1、b2……}

當ai具有屬性P時，bi就有屬性Q與之對應，即 P（ai）→

Q（bi）i=1、2、3…

則當A與B中產(chǎn)生一對新元素a′?A和b′?B時，若a′有屬性P，則可歸納出b′有屬性Q，即

P（a'）→

Q（b'）7.2學習方法簡介另：逆推理歸納，消除歸納等7.2學習方法簡介7.2學習方法簡介概念聚類 ------將事例按照一定的準則分類例：相容啟發(fā)，最近鄰物體的尋求等類比學習（LearningbyAnalogy）概念已知兩個相似域在某些方面相似，從而推出它們在其他方面也相似。例： S－源域 T－目標域設S1，S2是S中