人工智能-7.ppt

第10章机器学习方法
一、常见学习方法分类,依据学习策略划分
二、常见学习方法分类,依据获取知识的类型划分
三、两种归纳学习方法:概念学习法、决策树学习法
赏皋槽释武翅墒敷召羞鲁寅录适屑梳狈桂硝盖论扰苦娃清屏铡咽群逢侄侍人工智能-7人工智能-7
第10章机器学习方法
一、常见学习方法分类(根据学式学习,能够直接体现它的特点,这是一种最简单的,最原始的学习方法,也是机器的强项,人的弱项。
2 指导式学习:这种学习方式是由外部环境向系统提供一般性的指示或建议,系统把它们具体地转化为细节知识并送入知识库中,在学习过程中要反复对知识进行评价,使其不断完善。
睬汕咐搐榔革峭齐拧咬涂危离剐倘露汁禁袄凉梢沼玄循唐果举湾售吧迟烬人工智能-7人工智能-7
机器学习方法
3 类比学习:类比也就是通过对相似事物进行比较所进行的一种学忆中的老事物进行比较,如果发现它们之间有些属性(过程)是相同的,那么可以(假定地)推断出它们的另外一些属性(过程)也是相同的.
例如“桥 bridge”概念建立、“狗”与“狼”概念的建立等。已知“偶数×偶数=偶数”,用类比的方法求证“奇数×奇数=奇数”。
4 解释学习:它不是通过归纳或类比进行学习,而是通过运用相关的领域知识及一个训练实例来对某一目标概念进行学习,并最终生成这个目标概念的一般描述,这个一般描述是一个可形式化表示的一般性知识。
拯犹蒂未曝链镜盖斋暇废衣磊计健叮更穷茨蔼龋筷兑旧镭谬孝纤从惨荒艺人工智能-7人工智能-7
机器学习方法
二、常见学习方法(获取知识的类型):
1 归纳学习:(概念学习、决策树)
2 基于范例的学习
3 人工神经网络
4 统计学习(支持向量机)
5 遗传算法(马尔柯夫模型)
高级人工智能
廊捌善贾粹睡揣敷后租懦覆懂套轿蟹讹惧批小祸要捷渐讲呵凯钡讽刮隋管人工智能-7人工智能-7
1 归纳学习方法
归纳学习是一种符号学习,在已知正例,反例的基础上归纳出一个通用的概念,归纳学习能得到新的概念,创立新的规则,发现新的理论。
归纳学习并不“保真”,是“保假”的;是从特殊到一般,而演绎是保真的。
如“麻雀会飞”,“燕子会飞”等归纳“鸟会飞(鸵鸟不会飞)”.
归纳学习依赖于经验数据,因此又称为经验学习.
归纳学习的基本操作:泛化,例化;
泛化- 扩展一假设的语义信息,使其能包含更多的正例,应用于更多的情况;
例化-用于限制概念描述的应用范围。
邮赘颂郊楚邻棘乙线巩钙遥携陪途贾史阁扫津腰脚饲缨肘耍锚老屈猎哲崎人工智能-7人工智能-7
实例空间
规则空间
选择例子
(例化)
解释过程
(泛化)
归纳学习的双空间模型
归纳学习方法
梭炸渣愉寄级蔡狡禾危燃持秀秽呻沾勒天骂洱旋太铣连丧煌佑蹬夏旱舜骋人工智能-7人工智能-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——概念。
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。
例如“puting”,“物联网 The of things”,“社会计算 puting”,“码农Coding Farmer(s)”等。
单概念/多概念学习;
概念学习
联行我丈艰篙屈宪槐必耐简揽癌迄假颖梳绝精瘩冬叫享擒招废胞销成酿颐人工智能-7人工智能-7
概念学习
许多机器学习涉及到从特殊训练样例中得到一般概念。
概念,可被看作一个对象或事件集合,它是从更大的集合中选取的子集,或在这个较大集合中定义的布尔函数。
概念学习问题的定义
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。
纶腿吉毫绪螺汲碰懦镍阻燎躲尤样呛诅输闻南矩谈澳首辣钥靳巨防贺凤尿人工智能-7人工智能-7
概念学习
目标概念:“运动员进行水上运动项目的日子”,表示为布尔函数EnjoySport
任务目的:基于某天的有关属性,预测EnjoySport函数的值
任务的学习空间:样例集,每个样例表示为属性的集合
概念学习例子
酱室蓬诞刷魄幢块簿斑惫榨馈派戴挥筹皂汰弊辫士钧掐瘴朋叙效黑匆汇扮人工智能-7人工智能-7
术语定义
目标概念 c
训练样例 x
训练样例集 D={x1,x2,...xn}
正例(yes),目标概念成员
反例(no),非目标概念成员
假设 h
假设集 H={h1,h2...hn}
机器学习的目标就是寻找一个假设h,使得对所有的训练样例x,都有
h(x)=c(x) 假设与概念一致
蹋脊褐谗荷然荣怂略密壳谭梆奴把伎王攘杉湍邻绕赣逻辙叉古揪缉谷柄隅人工智能-7人工智能-7