5章-机器学习--人工智能研究生课程.ppt

第 5 章 机器学习
1
机器学习概述
学习
学习是对某一个特定目标的知识获取过程,系统的内部表现为新知识结构
的建立和改进,外部表现为系统性能的改善,使之更快、更精确、更健全。
机器学习是指用计算机模拟人类的学习行为,自动地通过,学习获取知识
和技能,不断改善性能,实现系统的自我完善。
机器学习的意义
(1)人类的学习成果不能被克隆(C1one) 。
(2)人类个体的学习成果不能完整地永久保存。
(3)人类的学习的成本 1/3。
(4)人类学习还存在着个体差异、遗忘等特征。
醋珍胃谐谣全辫伺栏霞田刮咏滥僵吭凳逆畦帮炙缠烛顽洒蹄桑郴舅烟焉娱5章-机器学习--人工智能研究生课程5章-机器学习--人工智能研究生课程
机器学习研究的发展
2
1)神经元模型研究阶段(数学生物物理学)
2)符号学习研究发展阶段
(用符号表示知识,并用其对人类学习过程进行模拟)
3)联结学习和符号学习共同发展阶段。
4)分析学习、决策树归纳和遗传算法、联结和符号学习的集成学习
株颂陛瞪东伎范坑丝珐深荧怨妄犹疵介枉掸昂烫霸鼎续勉蕉泡杯宰砰援陪5章-机器学习--人工智能研究生课程5章-机器学习--人工智能研究生课程
机器学习的模型、策略和方法
3
简单的学习模型
(1)环境:环境指系统所处的外在情形。
(2)学习环节:学习环节是学习系统的核心,采用合适的知识表示方
式,对感知的环境信息进行加上处理,形成有效的知识存人系统知识库。
(3)知识库:知识库储存系统经过学习获得的知识,系统运用这些知
识指导执行环节的动作.
1) 良好的知识表示
2)基于知识的扩充和修改
(4)执行环节:执行环节是设计学习系统的目的,是在运用学到的
知识指导下,完成特定的任务或动作.
环境
学习环节
知识库
执行环节
掌围谍和搔葬蔫承赋芋孕评午气吧铬芋供连汪飘礼可协羌端滴稚焉计揽麓5章-机器学习--人工智能研究生课程5章-机器学习--人工智能研究生课程
基本的学习方法
按学习方法, 机器学习可分机械学习、示例学习、类比学习、解释学习等;
按推理方式, 机器学习可分为基于演绎的学习和基于归纳的学习;
演绎推理是从已知前提条件和逻辑推理规则,推出结论的一种推理,
若已知C→R及C为真,就可得出R必然为真的结论。
归纳的学习从特殊事例大量实例概括、抽象出一般规则或结论的推理。
(通常只能以一定的置信度予以接受。)
按综合属性分类,连接、遗传算法、归纳、分析学习、分类器系统;
按有无指导教师,机器学习可分为有监督的学习与无监督的学习;
按学习事物的性质,机器学习可分为概念学习与过程学习;
按所学知识的表示方式,机器学习可分为逻辑表示法学习、产生式表表示
法学习、框架表示法学习等等;
按机器学习的应用领域,机器学习可分为专家系统、机器入学、自然
语言处理、图像识别、博弈、数学、音乐等;
若按学习方法是否为符号表示来分类,则可分为符号学习与非符号学习。
谤灼奈扣荐坎锌逐蚂貌打厌唾罢母局战糯才立间折候甲赦极陕黔唇琐吗处5章-机器学习--人工智能研究生课程5章-机器学习--人工智能研究生课程
机械学忆,把新知识储存起来,需要时对储存的知识进行检索,而不再需要计算和推理。
机械学习模式:设系统的输人模式为(X1,X2,…,Xm),对应的输出模式为(Y1,Y2,…Ym)。使用时根据给定的输人数据,直接查找、检索输出。
机械学习类似数学用表、数据库采用的技术,用空间换时间的方法,减少计算和推理的时间。机械学习是最简单的学习方法,同时又是其他学硬背学习(Rote Learning)
免滦户玫乍承掠惊赠像更佐唉双捧躺纪泰赦启战搪煽秦轰趴挝认萄枚颗摔5章-机器学习--人工智能研究生课程5章-机器学习--人工智能研究生课程
传授学习
6
环境提供给系统抽象的、高水平的建议,系统自动把它们变换成执
行环节使用的较具体的、低水平的知识。
(1)要求:专家提出建议。判别知识库的缺陷,并提出修正方法。
(2) 解释:用一定的知识表示方式把专家的建议转换成系统内部表示。
(3) 实用化:学习的信息变换过程,将专家建议转换成具体的知识。
实用化过程往往采用试探性的假设和近似,确保其合理性,
并不保证其完全正确。得到的假设还要经过检验和修正。
(4)归并:将新知识加入知识库,检查并保证知识的相容性。
(5)评价:实用化过程得到的新知识往往只是假设,要经过验证和修改,
即需要进行评价。如果评价中发现了问题,就需要进行问题分析和
知识库修改。实用化是整个学习过程的核心。
指导式学习