机器学习在股票中应用.pptVIP

机器学习在股票预 测中的应用  ●什么是机器学习? 1.学习的概念 学习是人类具有的一种重要智能行为,但究竟什么是学习,长期 以来却众说纷纭。社会学家、逻辑学家和心理学家都各有其不同的看 法。按照人工智能大师西蒙的观点,学习就是系统在不断重复的工作 中对本身能力的增强或者改进,使得系统在下一次执行同样任务或类 似任务时,会比现在做得更好或效率更高。西蒙对学习给出的定义本 身,就说明了学习的重要作用。 第部分  ●什么是机器学习? 2,机器学习 机器学习就是计算机自动获取知识,它是知识工程的三个分支 (使用知识、表实知识、获取知识 这一章将介绍机器学习的 基本问题,包括:为什么研究机器学习、什么是机器学习、机器学习 的发展历史、学习的一个模型、机器学习的分类和机器学习的研究目 第二部分  ●机器学习的主要策略? 3、机器学习 什么叫做机器学习( machine learning)?至今,还没有统一的 “机器学习”定义,而且也很难给出一个公认的和准确的定义。为了 便于进行讨论和估计学科的进展,有必要对机器学习给出定义,即使 这种定义是不完全的和不充分的。顾名思义,机器学习是研究如何使 用机器来模拟人类学习活动的一门学科。稍为严格的提法是:机器学 习是一门研究机器获取新知识和新技能,并识别现有知识的学问。这 里所说的“机器”,指的就是计算机;现在是电子计算机,以后还可 能是中子计算机、光子计算机或神经计算机等等 第三部分  ③机器学习的主要策略 、机械学习(记忆学习) 在机械学习(记忆学习)中基本没有变换。由施教者 提供的信息或多或少被学习系统记忆和使用。这时环境提 供的信息与执行环节使用的信息有相同的水平,同样的形 式。实际上每台计算机都可以看作是机械学习(记忆学 习),因为它们都存贮用户送入的程序。一个例子是 Samuel 的西洋象棋程序(1956,1967),它记忆每个棋局以便提 高下棋水平  ③机器学习的主要策略 2、传授学习(指点学习) 在传授学习中,学习环节进行的变换只是对施教者提 供的信息进行选择和改造,这主要是在语法层的变换。这 时环境提供的信息过于抽象,它的水平高于执行环节所用 信息的水平。学习环节把较高水平的知识变换为较低水平 的知识。这种变换称为实用化。实用化主要有下列步骤 由传授的信息推出结论,作出假设以补充一些细节和确定 何时需要进一步传授。实用化过程类似于编译系统把高级 语言程序变换成机器码程序。第一个例子 McCarthy(1958) 的系统。最近的系统有 TEIRESLAS( Davis,1976)和FOO Mostow,1979和1981)  ③机器学习的主要策略 3、归纳学习 4,演绎学习 在演绎学习中,学习系 在归纳学习中,变换过程是 统由给定的知识进行演绎的 对输入信息的一般化和选择 保真推理,并存储有用的结 最合理的预期结果,这就是 论。这种策略近几年才作为 归纳推理。归纳学习可以分 种独立的学习策略。( 为以下实例学习、观察与发 Michalski,1983)演绎学习 现学习。 包括知识改造、知识编译、 产生宏操作、保持等价的操 作和它保真变换  ③综合分类 1)经验性归纳学习一 (empirical inductive learning 经验性归纳学习采用一些数据密集的经验方法(如版本空间法 ID3法,定律发现方法)对例子进行归纳学习。其例子和学习结果 般都采用属性、谓词、关系等符号表示。它相当于基于学习策略分类 中的归纳学习,但扣除联接学习、遗传算法、加强学习的部分。 2)分析学习 ( analytic??learning) 分析学习方法是从一个或少数几个实例出发,运用领域知识进行 分析。其主要特征为 推理策略主要是演绎,而非归纳; 使用过去的问题求解经验(实例)指导新的问题求解,或产生 能更有效地运用领域知识的搜索控制规则 分析学习的目标是改善系统的性能,而不是新的概念描述。分析 学习包括应用解释学习、演绎学习、多级结构组块以及宏操作学习等 技术。  ③综合分类 3、类比学习 4,遗传算法 它相当于基于学习策略 遗传算法适用于非常复 分类中的类比学习。目前, 杂和困难的环境,及通过很 在这一类型的学习中比较引 长的执行过程才能确定当前 人注目的研究是通过与过去 行为的价值等。同神经网络 经历的具体事例作类比来学 样,遗传算法的研究已经 习,称为基于范例的学习 发展为人工智能的一个独立 (case based learning), pX 分支 简称范例学习。  ③综合分类 5)