第六章_机器学.pptVIP

第六章机器学习 第六章 机器学习 主要内容： 机器学习概述 归纳学习★ 示例学习 基于决策树的归纳学习方法ID3 类比学习 基于范例的学习 解释学习 支持向量机 6.1 机器学习概述 学习可能只是一个简单的联想过程，给定了特定的输入，就会产生特定的输出。如：狗 命令“坐” 行为“坐” 学习的成功是多种多样的： 学习识别客户的购买模式以便能检测出信用卡欺诈行为， 对客户进行扼要描述以便能对市场推广活动进行定位， 对网上内容进行分类并按用户兴趣自动导入数据， 贷款申请人的信用打分， 燃气涡轮的故障诊断等。 6.1.1 简单的学习模型 学习系统的基本结构如图所示。 ★ 影响学习系统设计的最重要的因素是环境向系统提供的信息。 知识库里存放的是指导执行部分动作的一般原则，但环境向学习系统提供的信息却是各种各样的。 如果信息的质量比较高，与一般原则的差别比较小，则学习部分就比较容易处理。 如果向学习系统提供的是杂乱无章的指导执行具体动作的具体信息，则学习系统需要在获得足够数据之后，删除不必要的细节，进行总结推广，形成指导动作的一般原则，放入知识库。 这样，学习部分的任务就比较繁重，设计起来也较为困难。 学习系统所进行的推理并不完全是可靠的，它总结出来的规则可能正确，也可能不正确，这要通过执行效果加以检验。 正确的规则能使系统的效能提高，应予保留；不正确的规则应予修改或从数据库