《 人工智能引论》课件 第7章机器学习.pdf

第七章绪论

•7.1概述

•7.2归纳学习

•7.3分析学习

•7.4无监督学习

•7.5强化学习

7.1机器学习概述

机器学习是人工智能的核心研究课题之一，通过解决机器的知识拥有量从

而使机器具有智能的根本途径。任何人工智能系统特别是专家系统，在它拥有

功能较强的自动化知识获取能力之前，都不会成为名副其实的强有力的智能系

统。传统的手工式知识获取方法耗资耗时，已成为建造专家系统和其他知识系

统的“瓶颈”问题。

机器学习已成为知识获取技术发

展的主要方向。机器学习的应用领域

极为广泛，涉及自然语言处理、计算

机视觉、医疗诊断、金融预测等多个

关键领域。

7.1.1机器学习的定义

什么是机器学习？

•从字面上来理解: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。

•从人工智能的角度：机器学习是一门研究使用计算机获取新知识和技

能，并能够识别现有知识的科学。

7.1.2机器学习的基本结构

环境学习单元知识库执行单元

机器学习系统:

•环境:系统外部信息的源泉，涵盖了系统的工作对象及其所处的外界条件。

•学习单元:处理环境所提供的信息，其作用类似于各种学习算法。

•知识库:专为存储学习环节所得知识的场所。

•执行单元:致力于解决系统所面临的现实问题，它运用知识库中的知识来解

决各种问题，如问题求解、自然语言理解和定理证明等。

7.1.3机器学习的基本策略

每个机器学习系统的学习单元都可以包含一种或者多种学习策略，用来

解决特定领域的特定问题。不存在一种普适的、可以解决任何问题的学

习算法。

•根据学习方法：演绎学习、归纳学习、分析学习(含类比学习、解释

学习)

•有无指导来分：有监督学习（或有导师学习）、无监督学习（或无导

师学习）和强化学习（或增强学习）

以上几种分类方法是相互联系和相互渗透的！

7.2归纳学习

归纳推理：是从特殊到一般的推理，它是一种“从事实建立理论

的过程”，从主观上讲是一种主观地不充分置信的推理。

归纳学习：是应用归纳推理进行学习的一种方法。根据归纳学习

有无教师指导，可把它分为示例学习和观察发现学习。前者属于

监督学习，后者属于无监督学习。

7.2.1归纳学习的模式和规则

•1.归纳学习的一般模式

–给定：①观察陈述（事实）F，用于表达特定对象、状态和过程等

的相关知识；②假定的初始归纳断言（可能为空）；③背景知识，用

于定义有关观察陈述、候选归纳断言以及任何相关问题领域知识、假

设和约束，其中包括能够刻画所求归纳断言的性质的优先准则。

–求：归纳断言（假设）H，能重言蕴涵或弱蕴涵观察陈述，并满足背

景知识。

7.2.1归纳学习的模式和规则

解释过程

实例空间规则空间

规划过程

这里，从H推导到F是演绎推理，因此是保真的；而从F推导出H是归纳

推理，因此不是保真的，而是保假的，归纳学习系统的模型如图所示。

实验规划过程通过对实例空间的搜索完成实例选择，并将这些选中的活

跃实例提交给解释过程。

解释过程对实例加以适当转换，把活跃实例变换为规则空间中的特定概

念，以引导规则空间的搜索。

7.2.1归纳学习的模式和规则

•2.归纳学习的规则

在归纳推理过程中，需要引用一些归纳规则。这些规则分为选择性概

括规则和构造性概括规则两类。令D1和D2，分别为归纳前后的知识描

述，