原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
知识撷取(Knowledgeacquisition)
專家系統分析導論 知識擷取 專家的知識 經驗的 潛意識的 知識擷取(Knowledge acquisition) 人際溝通 人機交談 機器學習 知識擷取流程 1、指認 2、結構化 3、關連化 4、測試 人際溝通 直接式 間接式 機器學習 透過知識工程師(knowledge engineers )與領域專家(Domain experts ) 機器學習(Machine learning): 電腦學習理論 建造學習機器 ?困難 1960年代:以ANN (Artificial Neural Networks )為主 1970年代:以歸納學習為主(Inductive learning);e.g. ID3 1980年代:以ANN (Artificial Neural Networks )為主 分成三大類 演繹學習模式 (Reductive learning) -- Based on 演繹邏輯 歸納學習 (Inductive learning) –Based on 歸納邏輯 案例式學習 發現式學習 類比式學習(Analogical learning ) 案例基推理(Case-based leaning) 歸納學習 歸納學習作為專家系統的知識擷取工具的程序如下 定義問題 收集案例 執行學習 測試驗証 ID3歸納學習演算法 1.Quinlan, J.R.(1887),”Simplifying decision tree,”Int. J. of Man-Machine Studies,27,221-234. 2.Jackson, A.H. (1988),“Machine learning,” Expert Systems, 5(2), 132-149 屬性(Attributes) 決策(Decision) 範例(Examples) 歸納決策樹(Inductive decision tree) 歸納決策樹學習(Inductive decision tree learning) 基本的歸納決策樹學習演算法 步驟1、樹根分割法則 從樹根(root)處任意選擇一個屬性(Attribute, Ai)，並依此屬性所有可能的值產生不同分枝，每一分枝含有所有該屬性之值同此分枝之值的訓練範例(Instance)； 步驟2、分枝判別法則 判別每一分枝：如果分枝中的所有範例之決策值相 同，則稱此分枝為同值分枝(Homogeneous)，否則 為非同值(Heterogeneous)分枝； 步驟3、終止法則 如果所有的分枝均為 a)同質分枝，或 b)已無未選過之屬性－則已目前各分枝中佔有最大 比例的決策值，作為此分枝之決策值，輸出歸納決 策樹並停止； 否則至步驟4 步驟4、分枝分割法則 對每一非同質分枝，在該分枝下，任意選擇一個該 分枝尚未選擇過的屬性，同步驟1的方式產生下一 層分枝，回到步驟2。 Given a set of discrete information system, X={X1,X2, ….,Xn}, the impurity function of the system can be defined as followings, (1) Entropy function (2) Gini-Index function where p(Xi) is the probability of Xi in X. The smaller of the impurity E(X), the purer of the information system X. Example For a given instant base S with A, B,…., Q as attributes, we can classify the instance base into several small instance sets based on any attribute A. The function of impurity, then, are modified as the followings: 1. E(S|A): The conditional impurity function of the instance set, if the set S is classified, based on attribute A. 2. p(Aj): The probability of instances with attribute A equal to Aj in the given instance set S. 3.
文档评论（0）