机器学习(概念学习).ppt

该【机器学习(概念学习) 】是由【tanfengdao】上传分享，文档一共【63】页，该文档可以免费在线阅读，需要了解更多关于【机器学习(概念学习) 】的内容，可以使用淘豆网的站内搜索功能，选择自己适合的文档，以下文字是截取该文章内的部分文字，如需要获得完整电子版，请下载此文档到您的设备，方便您编辑和打印。1
机器学习—概念学习
单击添加副标题
单击此处添加文本具体内容，简明扼要地阐述你的观点
2
01
归纳学习概念
单击此处添加正文
03
作为搜索的概念学习（搜索策略：偏序）
单击此处添加正文
05
变形空间和候选消除算法
单击此处添加正文
02
概念学习定义
单击此处添加正文
04
Find-S：寻找极大特殊假设
单击此处添加正文
06
归纳偏置
单击此处添加正文
OUTLINE
CONTENT
归纳学习
3
归纳学习也可以称作归纳推理或简称归纳，其任务是：给定函数f(未知)的实例集合，返回一个近似于f的函数h——h称为假设，所有h的集合称为假设空间
一个好的假设应该能够预测未见过的实例——这就是基本的归纳问题
问题实例——用一个单变量函数(近似目标函数)来拟合若干数据点，选择最高次数为k的多项式集合作为假设h的集合，即假设空间H
数据拟合
4
Ockham剃刀原则
5
上图中显示了拟合两两一组数据的不同函数—与所有数据一致的函数称为一致假设
如何在多个一致假设之间进行选择？
答案—奥卡姆剃刀原则(Ockham’s razor)—优先选择与数据一致的最简单假设
原因—比数据本身更复杂的假设不能从数据中提取任何模式
此外，对于非确定性函数，在假设的复杂度和数据拟合度之间进行折中不可避免
OUTLINE
6
归纳学习概念
概念学习定义
作为搜索的概念学习（搜索策略：偏序）
Find-S：寻找极大特殊假设
变形空间和候选消除算法
归纳偏置
概念学习
7
概念学习
给定某一类别的若干正例和反例，从中获得该类别的一般定义。
搜索的观点
在预定义的假设空间中搜索假设，使其与训练样例有最佳的拟合。
利用假设空间的偏序结构
算法收敛到正确假设的条件
概念学习的定义
概念学习
8
STEP2
STEP1
给定一个样例集合以及每个样例是否属于某个概念的标注，怎样推断出该概念的一般定义。又称从样例中逼近布尔函数。
概念学习是指从有关某个布尔函数的输入输出训练样例中推断出该布尔函数。
例子 – enjoy sport
9
目标概念，Aldo进行水上运动的日子，表示为布尔函数EnjoySport
任务目的，基于某天的各属性，预测EnjoySport的值
一个样例集，每个样例表示为属性的集合
No.
Sky
AirTemp
Humidity
Wind
Water
Forecast
EnjoySport
1
Sunny
Warm
Normal
Strong
Warm
Same
Yes
2
Sunny
Warm
High
Strong
Warm
Same
Yes
3
Rainy
Cold
High
Strong
Warm
Change
No
4
Sunny
Warm
High
Strong
Cool
Change
Yes
表2-1 目标概念EnjoySport的训练样例
例子 – enjoy sport
10
基本概念
实例 x : 每一个实例使用若干属性表示，相应属性值构成一个实例
No.
Sky
AirTemp
Humidity
Wind
Water
Forecast
EnjoySport
1
Sunny
Warm
Normal
Strong
Warm
Same
Yes
2
Sunny
Warm
High
Strong
Warm
Same
Yes
3
Rainy
Cold
High
Strong
Warm
Change
No
4
Sunny
Warm
High
Strong
Cool
Change
Yes