人工智能课件-机器学习.pptVIP

事例分组和建立决策树的过程： ①如果只有一个事例，就停止。 ②如果是事例的第一次分组，那么挑选垂直轴作为比较用；否则挑选不在下一层的轴。 ③只考虑比较轴，求得两个中间物体的平均位置。称这个平均位置为阈，并构造一个决策树测试用于靠近阈的比较轴上的未知物体。注意比较轴上两个中间物体的位置。把这些位置称为上界和下界。 ④根据物体处在平均位置的哪一边，把它们分成两个子集。 ⑤对每个子集的物体进一步分组，采用本过程建立其子树。 求取最邻近物体的过程必须提供检查前述已舍弃选择的可能性。 这种程序一般叫做K-D过程。 求取最邻近物体的K-D过程： ①检物体集合中是否只有一个元素需要考虑。 ②如果只有一个就报导它，停止求解。 ③否则，对着当前节点的阈在比较轴上比较未知物体。 ④应用本过程找到拟真物体集合内的最邻近物体。 ⑤确定至拟真物体集合内最邻近物体的距离是否小于或等于至比较轴上其他集合边界的距离。 (a)如果是，那么就报导该最邻近物体。 (b)如果不是，应用本过程检查非拟真集合，返回拟真集合和非拟真集合里最邻近物体中较近的物体。 5.3.5 基于类比的学习 类比（analogy）是一种很有用的和有效的 推理方法，它能够清晰简洁地描述对象间的相似性；同时，它也把某些测试相似性质的任务由演讲者（或教师）转移到听者（或学生）。 例如， “肖锋像部消防车”，还告诉某些情况。不过，要使用这条信息，还得确定肖锋在哪些方面像部消防车。 一、类比学习的表示　　假若关于对象的知识表达为框架集，那么，用类比法学习可描述为从一个框架（源框架）的槽值传送到另一框架（目标框架）的槽，此种传送分为两步：　　1.利用源框架产生推荐槽，这些槽的值可传送到目标框架。　　2.利用目标框架中已有的信息来筛选由第一步推荐的相似性。 例子，考虑 肖锋与消防车之间的 相似性，关于肖锋与消防车的框架为： 　　肖锋　　　是一个（ISA）　 人　　　　　　　性别　　　　　 男　　　　　　　活动级 　　　　　　　音量　　　　　　　进取心　　　　 中等　消防车　　是一辆（ISA）　 车辆　　　　　　　颜色　　　　　　红　　　　　　　活动级　　　　　快　　　　　　　音量　　　　　　极高　　　　　　　燃料效率　　　　中等　　　　　　　梯高　　　　　　异或（长， 短）　进取心　　是一种（ISA）　 个人品德 消防车是源框架，肖锋是目标框架。 目的是用消防车的信息来扩充肖锋的内容。 先得推荐一组槽，它们的值可以传送。为此可利用一些启发式规则：（1） 选择那些用极值填写的槽。（2） 选择那些已知为重要的槽。（3） 选择那些与源框架没有密切关系的槽。（4） 选择那些填充值与源框架没有密切关系的槽。（5） 使用源框架中的一切槽。 这组规则用来寻找一种好的传递。对上述例题，将有下面一些结果：①活动级槽和音量级槽填有极值，所以它们首先入选。②如果它们不存在，那未根据第二规则选择那些标记为特别重要的槽。本例无此情况。③下一规则将选择梯高槽，因为该槽不出现在其它类型的车辆中。④下一规则将选颜色槽，因其它车辆不是红色。⑤最后一条规则，若用它，则消防车所有槽均为可能的相似。 二、类比学习的求解　　在从源框架被选择的槽建立一组可能的传递框架之后，必须用目标框架的知识来筛选它们。这些知识体现在下面一组筛选启发规则中：　　1.在目标框架中选择那些尚未填写的槽。　　2.选择那些在目标框架中为典型实例的槽。　　3.若第2步无什么可选，则选那些与目标有密切关系的槽。　　4.若仍无什么可选，则选那些与目标中的槽相似的槽。　　5.若仍无什么可选，则选那些与目标有密切关系的槽相似的槽。 在例题中，应用上述规则如下：（1）规则1将不消除任何推荐的槽。（2）规则2选了活动级槽和音量槽，因为 它们典型出现在关于人的框架中。如本例所示，尽管没有值，它们还放在肖锋的框架中。（3）如果那些槽未被推荐，后面的规则将选择那些出现在其它关于人的框架中的槽。（4）如果活级和音量槽未清楚地标明为典型的一部分，它们仍会被这些规则选上。因为存在进取心槽，而进取心表示个人品德这一事实是众所周知的。其它个人品德也该选上。（5）如果进取心对肖锋是未知的，而对其他人是已知的，那么，别的个性槽将被选上。 处理结束时，关于肖锋的描述框架为：　　　　肖锋　　是一个（ISA）　　人　　　　　　性别　　　　　　 男　　　　　　活动级　　　　　 快　　　　　　音量　　　　　　 极高　　　　　　进取心　　　　　 中等 此过程也依靠知识表示和推理的标准技术