第八章 机器学习习题解答.docVIP

第八章 机器学习 8.2答： （1）学习是一项复杂的智能活动，学习过程与推理过程是紧密相连的 学习中所用的推理越多，系统的能力越强 （2）机器学习是一门研究机器获取新知识和新技能，并识别现有知识的学问 “机器”——计算机（电子，以后还可能是中子计算机、光子计算机或神经计算机等） 8.3答：机器学习系统的结构及基本功能 当监督环节为示教人时，为示教式学习系统；当监督环节为监督器时，为自学式学习系统。 ① 知识库 存储（记忆）、积累知识 ·长期记忆（LTM） 先验知识背景 如事物的基本概念和定义、定律和公理，博弈的基本规则等 ·中期记忆（MTM） 环境事物的各种具体知识 ·短期记忆（STM） 环境变化的信息和数据 事实库或“黑板 ② 学习元 学习系统的核心环节 ·采集环境信息息 选例环节或直接采集 ·接受监督指导 监督环节的示教、指导信息或评价准则 ·进行学习推理 获得有关问题的解答和结论 ·修改知识库 将推理结果输入知识库，对知识增删改 ③ 执行元 识别、论证、决策、判定 模式分类器、专家咨询解释系统、智能控制机构、机械手/人等 如执行元行动结果直接引起环境的变化 “在线”学习系统 机器人规划、生产过程控制、机器博弈等 ④ 监督环节人:示教者;监督器:评价准则或检验标准 ·工作执行效果评价——接受来自执行元环节的反馈信息，对系统的工作执行效果进行评价和检验 ·制定评价标准——接受来自环境变化的信息，制定和修订评价标准和检验标准 ·监督学习环节——根据评价和检验的结果，对学习环节进行示教、训练或指导 ·控制选例环节——根据环境变化信息及工作执行效果的反馈，控制选例环节，选取其它事例或样本 ⑤ 选例环节 作用是从环境中选取有典型意义的事例或样本，作为系统的训练集或学习对象。如挑选典型病历，以便提高学习效率，加速学习过程。选例环节可以由人或机器来实现 ⑥ 环境 系统获取知识和信息的来源，执行的对象和人物等。如，医疗专家系统的病员、病历档案、医生、诊断书等；模式识别系统的文字、图象、物景；博弈系统的对手、棋局；智能控制系统的被控对象和生产过程等。 8.4答： （1）．机械学习模型 机械学习——一种最简单的机器学习方法 机械学习是最基本的学习过程，任何学习系统都必须记住它们获取的知识 机械学习系统：知识的获取是以较为稳定和直接的方式进行的，不需要系统进行过多的加工 机械学习就是记忆，即把新的知识存储起来，供需要时检索调用，而不需要计算和推理 归纳过程可以简化成推导过程 直接使用求根公式计算一个一元二次方程的根 自学 （2）．机械学习的主要问题 存储组织信息 环境的稳定性与存储信息的适用性问题。密切监视外界环境的变化，不断地更换所保存的信息；核对。 存储与计算之间的权衡。预估算；“选择忘却”技术 8.5答： （1）示例学习： 病态细胞的分类识别例如图， ? 正例——三个病细胞 P1, P2, P3 ， ? 反例——二个正常细胞 N1, N2 ； ? 每个细胞由二个细胞体组成 * 细胞体表示为三元组：（核数、尾数、染色状）， * P1： 2, 2, 深 1, 1, 浅 。 ? 学习任务——从例子集中归纳出有病状Ｘ的细胞 A. 概念描述的搜索和获取 概念描述 ? 假设不必给每个特性（属性）都指明应取值： * 没有给出值的特性（以？指示）——对于该概念的描述无关紧要； * 病细胞假设 ａ ： 2, ?, , 1, 深 ，一个细胞体有二个胞核；另一个有一个尾巴，且染色是深的。 ? 病细胞假设空间的半序图（图6.5） ? 假设之间的关系弧指示泛化/特化关系， ? 假设空间上的一个泛化/特化关系（图6.4）， * 假设（ｂ）不考虑细胞体是否有尾巴，比假设（ａ）复盖更多的例子； * 假设（ｂ）比假设（ａ）泛化； * 假设（ａ）比假设（ｂ）特化。 ? 底层假设——最特化（具体）的概念描述： * 所有特性都给定特别值， 对应于例子空间中的一个例子。 ? 顶层假设——最泛化的概念描述： * 不指定任何具体的特性值， * 表示为 ， 。 ? 假设空间中的搜索方式 ? 特化搜索——从最泛化的假设（概念描述）出发，每次取用一个新的例子，就产生一些特化的描述，直到将初始最泛化的假设特化为解描述。 ?泛化搜索——从最特化的假设（相应于例子空间中的一个例子）开始，每次取用一个新的例子时，就产生一些泛化的描述，直到产生出足够泛化的解描述。 ? 大多数示例学习方法都采用这二种方法或这二个方法的结合。 B.逐步泛化的学习策略 ? 采用宽度优先、自底向上的搜索方式： ? 将第一个正例（P1）作为初始假设（H1）——极端特化的假设； ? 正例（P2）用于指导系统生成泛化的假设（H2和H3）