机器学习的意义.pptVIP

Chapter 7 Machine Learning (机器学习) 机器学习的意义 学习的定义（四种观点） Simon的学习模型 信息/知识的级别(level) （传统）机器学习的方法 一. 机器学习的意义 机器学习就是计算机自动获取知识，是知识工程三分支（表示知识、使用知识、获取知识）之一。 二. 学习的定义（四种观点） 1. 获取知识的过程 2. 掌握技能的过程 3. 系统改善自身性能的过程 4. 建立理论、形成假设、发现事物规律、 进行归纳推理的过程 三. Simon的学习模型 圆圈代表信息/知识的集合 环境 ——外界提供的信息/知识 知识库——系统具有的知识 方框代表环节 学习环节——由环境提供的信息生成知识库中的知识 执行环节——利用知识库的知识完成某种任务，并把执行中 获得的信息反馈给学习环节，进而改进知识库。 四. 信息/知识的级别(level) 和 机器学习的类型 1）记忆学习（Rote Learning） LE = LK 记忆学习就是存储知识 ——存储环境提供的或经计算和推导得到的知识。再需要时，可以直接检索知识库得到这些知识，而不必次计算和推导。 知识（联想）对 记忆学习（Rote Learning） 例1 估算汽车修理费 输入信息：车型、车龄、故障 估算：修理费 先查知识库；如未查到，才所有保险公司提供的复杂公式进行估算，并将 知识（联想）对 [输入信息，估算结果] 存入知识库，供以后使用。 记忆学习（Rote Learning） 例2 Samuel下棋程序 记忆棋局最佳走步：A—B—C—D ，再遇到棋局A时不必再费时搜索。 讨论 记忆学习适合于稳定的信息环境 记忆与计算的权衡 对于计算/推理十分简单的情况则不必记忆 知识库知识更新 1）清除过时信息（例：50年代的修理费） 2）吐故纳新（容量满时删去“年龄”最大的记录） 每记入一个新纪录时，已有记录的年龄都加1 被选用的记录年龄减半 2）传授学习（Learning by Being Told） LE ＞ LK 在这种学习方式下，由外部环境向系统提供一般性的指示或建议，系统把它们具体地转化为 细节知识，并加入知识库中。 传授学习的过程（5步） 1)要求（请求专家提出建议） 被动式：被动等待专家提供建议 主动式：主动吸引专家注意力，请求专家建议指导 2)解释 把建议转成内部表示形式 3)具体化 将内部表示形式转化为执行环节可用的规则。 这是由抽象到具体，由级别高到级别低的过程。 4)加入知识库 将新规则并入知识库。 注意：为防出现矛盾、冗余、环路等问题，要进行一致性检查。 5)评价 执行环节在使用中检验新规则（有假设成分）是否正确。如不正确，反馈给学习环节，自动删除或报告给专家；由专家确定故障原因，提出新建议。 两类传授学习 全自动的机器学习 1)—5)步全由机器实现 半自动的机器学习 专家完成其中几步 3）归纳学习 LE ＜ LK 3-1) 实例学习（Learning from Example） （有示教） 通过从环境中取得若干与某概念有关的例子，经归纳推理得出一般性概念。 在这种学习方法中，外部环境提供给系统一些特殊的实例，这些实例事先被划分为正例和反例。 例1：学习“狗”的概念 给出正例、反例，程序总结出什么是狗 例2：学习下棋 给出一些具体棋局及正/误走法，程序归纳出下棋的一般规律 实例学习的两个空间模型 归纳推理的实现方法 (1)化常量为变量 学习“同花”(FLUSH)的概念，提供两个正例 正例1： SUIT(C1,Clubs)?SUIT(C2,Clubs)?SUIT(C3,Clubs)?SUIT(C4,Clubs)?SUIT(C5,Clubs) ?FLUSH(C1,C2,C3,C4,C5) 正例2： SUIT(C1,Spades)?SUIT(C2, Spades)?SUIT(C3, Spades)?SUIT(C4, Spades) ?SUIT(C5,