人工智能基础（第2版）-高济-AI-14-本.pptVIP

人工智能基础 浙江大学计算机学院 高 济 6.2 示例学习 归纳学习——从教师或环境提供的事例中抽象出结论（对于概念的泛化描述）的知识获取过程。 归纳推理的理论——研究如何运用各种推理技术，在符号表示的空间中进行启发式搜索。 常用推理技术： 泛化(generalizing) 特化(specializing) 转换(transforming) 知识表示的修正和提炼(correcting refining) 主要内容： 示例学习的基本策略 概念描述的搜索和获取 三种示例学习策略： 逐步泛化的学习策略 逐步特化的学习策略 双向学习策略。 示例学习的一个变种——决策树学习算法ID3 6.2.1 示例学习的基本策略 示例学习是机器学习中研究得最深入的一种方法。 结构化概念学习程序： 七十年代中期，温斯顿(Winston)，积木块玩具世界的线条画； 近似匹配、概念泛化和概念特化技术； 从一系列正、反示例中归纳出某类积木块（例如拱形物）的概念定义： 表示为语义网络的结构化描述。 示例学习遵从一般的归纳推理模式: 已知：１）关于观察（观察到的事例）的描述Ｆ； 　　 ２）初始的归纳断言；　　　　　 ３）问题域的背景知识； 求： 归纳断言Ｈ，其应蕴涵关于观察的描述，并满足背景知识。 1 概念描述的搜索和获取 解描述——通过示例学习获取的知识：