第七章 机器学习modified.ppt

第七章 机器学习;7.1 基本概念;机器学习的分类 根据学习方法分 机械式学习 指导式学习 示例学习 类比学习 解释学习 根据推理方式分 基于演绎的学习 例如：解释学习 基于归纳的学习 例如：示例学习;7.2 学习方法简介;机械式学习（Rote Learning）/死记硬背式 例如：塞缪尔的跳棋程序CHECKERS 利用存储空间换取处理时间 ;7.2 学习方法简介;学习模型 示例空间 验证 知识库 有哪些信誉好的足球投注网站 解释 形成知识 通过有哪些信誉好的足球投注网站，从示例空间选择合适的示例，经解释得到所需信息，对信息综合、归纳形成一般知识，放入知识库，最后再从示例空间中选择更多的示例对它进行验证;归纳推理 枚举归纳 设a1、a2……an是某类事物A中的具体事例。若a1、a2……an都有属性P，则当n足够大时，可归纳出A中所有事物都具有属性P 联想归纳 已知两个事物a和b，已有n个属性P1,P2…。。。Pn相同或相似。当发现a具有属性Pn+1 ，且n足够大时，可归纳出b也具有属性Pn+1; 类比归纳 设A、B是两类事物的集合 A={a1、a2……} B={b1、b2……} 当ai具有属性P时，bi就有属性Q与之对应，即 P（ai）→ Q（bi） i=1、2、3… 则当A与B中产生一对新元素 a′?A 和 b′?B时，若a′有属性P，则可归纳出b′有属性Q，即 P（a） → Q（b）;另：逆推理归纳，消除归纳等 ;7.2 学习方法简介;类比学习（Learning by Analogy） 概念 已知两个相似域在某些方面相似，从而推出它们在其他方面也相似。 例： S－源域 T－目标域 设S1，S2是S中的属性，T1是T中的属性， 已知S1与T1相似，且S2与S1相关， 那么由类比推理知，T中有属性T2 ，且T2与S2相似;一般步骤 1) 寻找源域S 2) 寻找S中与T相似的情况，并建立相应的映射关系 3) 将S中的有关知识引入T中，建立求解T中当前问题的方法，或学习到T中的新知识。;解释学习(Explanation-based Learning) 概念 运用相关领域的知识及一个训练实例 对某一目标概念进行学习，最终生成 关于这个目标概念的一般性描述，该 一般性描述是以个可形式化表示的一 般性知识。;一般性描述 给定： 领域知识 DT 目标知识 TC 训练实例 TE 操作准则 OC 找出： 满足OC的关于TC的充分条件 DT：相关领域的事实或规则，用以证明TE为什么可 以作为目标概念的一个训练实例 TC：目标概念 TE：训练实例 OC：操作准则用以指导学习系统对目标概念的一般 性描述进行取舍，最终形成一般性知识;学习过程 构造解释 运用领域知识进行演绎，证明给定的训练实例为什么是满足目标概念的一个实例，从而得到一个解释机构。 获取一般性知识 对所得到的解释结构进行一般化处理，从而得到关于 目标概念的一般性知识。例如：用变量代换常量，舍 去不重要的信息等;例： 目标概念“物体1可以安全物体2上” 训练实例“书（安全地）放在书桌上” 领域知识“obj1放在obj2上的安全性准则” －obj2是不易碎的 － obj1的重量obj2的重量 － 重量＝体积×密度 ;采用一阶谓词描述 构造解释机构： －由目标概念引导的逆向推理;7.2 学习方法简介; 示例学习 解释学习