第八章机器学习-Read.pptVIP

第八章 机器学习 机器学习的基本结构 第八章 机器学习 符号学习 神经网络学习 知识发现和数据挖掘 遗传算法 符号学习 记忆学习 传授学习 演绎学习 类比学习 示例学习 发现学习 解释学习 记忆学习（一） 学习方法：直接记录有关问题的信息，然后检索并利用这些存储的信息来解决问题。 成功的例子是Samuel得跳棋程序：靠记住每一个经过评估的棋局状态，来改进弈棋的水平。 记忆学习（二） 机械学习是基于记忆和检索的方法，学习系统需要具有几种能力： （1）能实现有组织的存储信息。 （2）能进行信息综合。 （3）能控制检索方向。 符号学习 记忆学习 传授学习 演绎学习 类比学习 示例学习 发现学习 解释学习 传授学习（一） 学习方法：通过人机对话，把用户一般性意见或建议具体化，或者协助用户补充和修改原有的知识库。 FOO程序中告诉程序一些规则及取胜的若干建议，系统把这些建议看成要达到的目标，并通过规划求解出可直接执行的过程。 传授学习（二） TEIRESIAS系统可提供的功能： （1）能跟踪推理的过程，发现引起错误的原因。 （2）系统不断向用户揭示其工作过程，用户不必对系统结构和工作原理有深入地了解，就能把知识传授给机器。 符号学习 记忆学习 传授学习 演绎学习 类比学习 示例学习 发现学习 解释学习 演绎学习 学习方法：学习系统由给定的知识进行演绎的保真推理，并存储有用的结论。 演绎学习包括：知识改造，知识编译，产生宏操作，保持等价的操作和其他保真操作。 符号学习 记忆学习 传授学习 演绎学习 类比学习 示例学习 发现学习 解释学习 类比学习（一） 学习方法：寻找和利用事物间的可类比的关系，从已有的只是推导出未知的知识。 类比学习的过程的主要步骤： （1）回忆与联想； （2）建立对应关系； （3）验证与归纳。 类比学习（二） 属性类比学习：对象的知识用框架集表示，类比学习可描述为把原框架中若干个槽的值传递给另一个目标框架的一些槽中，这种传递分两步进行： （1）利用原框架产生若干个槽； （2）利用目标框架中现有的信息来筛选第一部提出的某些相似性。 符号学习 记忆学习 传授学习 演绎学习 类比学习 示例学习 发现学习 解释学习 示例学习（一） 示例学习：从若干实例（包括正例和反例）中归纳出一般的概念或规则的学习方法。 概念学习：构造类型定义的任务，这个任务所使用的技术必须依赖于描述类型（概念的方法）。 示例学习（二） Winston程序 目的：要建立积木世界中物体概念的结构化表示。 输入：积木世界中的某物体的线条图，用语义网络来表示该物体的结构化描述。 输出：拱桥概念的结构化表示。 示例学习（三） 示例学习（四） 示例学习（五） 例：假设实例存放有如下的三个示例： 示例1：（0，2，7） 示例1：（6，-1，10） 示例1：（-1，-5，-10） 三个三维向量，求出这三点的曲线。 用曲线拟合的方式，归纳出规则： Z=2x+3y+1 符号学习 记忆学习 传授学习 演绎学习 类比学习 示例学习 发现学习 解释学习 发现学习 发现学习：系统从环境中归纳总结出规律性知识的一种学习，是指机器获取知识无须外部拥有该知识的实体的帮助，甚至蕴含在客观规律中的这类知识至今尚未被人所知，因此发现学习也是一种归纳学习。 符号学习 记忆学习 传授学习 演绎学习 类比学习 示例学习 发现学习 解释学习 解释学习（一） 学习方法：只用一个实例，运用领域知识，经过对实例的详细分析，构造解释结构，然后对解释进行推广得到的一般性解释。 一般框架 给定：领域知识、目标概念、训练实例、操作性准则。 找出：满足操作性准则的关于目标概念的充分条件。 解释学习（二） 学习过程 首先运用领域知识，找出训练实例为什么是目标概念的证明。 按操作性准则对接时进行推广，从而得出目标概念的学习描述。 学习目的：产生学习描述作为目标概念的有效识别器。这个学习描述是训练实例的一般化，又是目标概念的特例。 解释学习（三） 例：一个用PROLOG描述的法律领域基于解释学习的例子。 （1）领域知识 hate(X,X):-depressed(X) posses(X,Y):-buy(X,Y) weapon(X):-shotgun(X) weapon(X):-pistol(X) （2）目标概念 kill(X,Y):-hate(X,Y),weapon(Z),posses(X,Z) 解释学习（四） （3）训练实例 depressed(John) buy(John,obj1) shotgun(obj1) （4）操作准则