人工智能机器学习课件全解.pptVIP

示例学习－ 两个空间模型（规则空间） 对规则空间的要求 表示要适应于归纳。如：有谓词才可以增减；有状态空间才能拟合。不同的归纳方法要求不同的规则表示方法。如果规则空间描述的语言的表达能力较弱，可以使用的归纳方法就比较少，规则空间的搜索反谓就比较小，搜索就比较容易。但解决的问题就较少。因此，设计是在规则空间表达能力与规则空间搜索难度之间进行权衡。 表示和例子的一致。如相差很大，解释例子和选择例子的过程就很复杂。 引入新术语（规则空间）。当表示语言不能描述学习过程中产生的新状态时，要产生新的术语。 示例学习－ 例 有两组数据 组别 发色 眼睛 1 金 蓝 红 蓝 金 蓝 金 灰 2 金 黑 黑 蓝 黑 蓝 黑 灰 金 黑 通过学习,得到描述规则 1 .[发色=金色 ∨ 红色] ∧ [眼睛=蓝色 ∨ 灰色] 2 .[发色=黑色] ∨ [眼睛=黑色] 示例学习－ 例 有两组数据（决策树学习） 组别 身高 发色 眼睛 + 矮 金 蓝 高 红 蓝 高 金 蓝 - 高 金 棕 矮 黑 蓝 高 黑 蓝 高 黑 棕 矮 金 棕 决策树学习 决策树(Decision Tree) 一种描述概念空间的有效的归纳推理办法。基于决策树的学习方法可以进行不相关的多概念学习，具有简单快捷的优势，已经在各个领域取得广泛应用。 决策树学习（概述） 决策树学习是以实例为基础的归纳学