多示例学习.pptVIP

多示例学习 内容 机器学习方法 从例子中学习被认为是最有希望的机器学习途径。基于示例的学习指通过对已有示例的训练和学习得到一个目标概念，通过概念建立模型用于对未知示例进行预测。如果以训练数据的歧义性大小为划分标准，大致可以把在该领域进行的研究划分为三种学习框架即： 有监督学习(supervised learning) 无监督学习(unsupervised learning) 强化学习(reinforcement learning ) 机器学习方法 多示例学习 多示例学习是与监督学习、非监督学习和强化学习并列的第四类学习框架，多示例学习被认为是基于事例的学习的最新进展，也是目前机器学习领域中最活跃的研究方向之一。 多示例学习的提出 Dietterich等人对药物活性预测问题进行了研究。其目的是让学习系统通过对已知适于或不适于制药的分子进行分析，以尽可能正确地预测某种新的分子是否适合制造药物。 格式 格式 格式注意 需要注意的是： 必须要有@attribute molecule_name {1,2,3,4,5,6}作为bag_id,尽管没用，里面的数字序列必须与包的个数相同 @attribute bag relational与@end bag对应一个包的定义，里面是示例属性（如一个分子的可能结构） @attribute class {-