记忆基础理解Memory-basedreasoningMBR.pptVIP

第六章 記憶基礎理解 (Memory-based reasoning, MBR) 如何進行 (學習階段) 如何進行 (預測階段) 解決問題的三個主題 距離函數 組合函數 例 子 例 子 例 子 例 子 例 子 例 子 例 子 例 子 組合函數 其他距離函數 如何獲得最佳結果 MBR的優點 MBR的缺點 * * 定義：用人工智慧的方式，以現有資料庫對新資料進行分類與預測。 記憶基礎理解 (Memory-based reasoning, MBR) 記憶基礎理解記憶基礎理解可以應用的行業: ● 詐欺案件判斷。 ● 顧客反應預測。 ● 醫療服務追蹤。 ● 問卷資料分類。 選擇適當的歷史資料 關鍵：資料的範圍必須能涵蓋原始資料 抽樣方法: 找出具效率的方式代表歷史資料 減少歷史資料庫的記錄數量 (圖9.3、9.4) 設定距離函數、組合函數、和鄰近資料的組數 (K值) 案例研究 – 新聞報導分類 52,751 41,902 70 主題 116,358 47,083 121 地區 2,523 2,242 21 產品 42,058 38,562 9 市場 57,430 38,308 112 工業 4,200 3,926 28 政府 總出現數 文件數 編碼數 類別 案例研究 – 新聞報導分類 選擇測試資料組 : 49,652則新聞稿, 每一則平均