原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
机器学习;（优选）第机器学习;第7章机器学习;7.1机器学习的基本概念;7.1.1学习;机器学习：计算机能模拟人的学习行为，自动地通过学习获取知识和技能，不断改善性能，实现自我完善。;机器学习系统的定义
学习系统：能够在一定程度上实现机器学习的系统。
萨利斯(Saris)的定义（1973年）：能够从某个过程或环境的未知特征中学到有关信息，并且能把学到的信息用于未来的估计、分类、决策或控制，以便改进系统的性能。
施密斯等的定义（1977年）：在与环境相互作用时，能利用过去与环境作用时得到的信息，并提高其性能。;2.机器学习系统的条件和能力
（1）具有适当的学习环境
（2）具有一定的学习能力
（3）能应用学到的知识求解问题
（4）能提高系统的性能;3.机器学习系统的基本模型;7.1.4机器学习的发展;7.1.4机器学习的发展;7.1.4机器学习的发展;7.1.5机器学习的分类;7.1.5机器学习的分类;7.1.5机器学习的分类;第7章机器学习;7.2机械式学习;塞缪尔的跳棋程序CHECKERS;第7章机器学习;7.3指导式学习;7.3指导式学习;7.3指导式学习;第7章机器学习;7.4归纳学习;7.4.1归纳推理;从个别事例归纳出一般性知识的方法：
设：某类事物A中的具体事物。
已知都有属性P，并且没有发现反例。
当n足够大时，可得出：“A中所有事物都有属性P”。;例如，设有如下已知事例：
张三是足球运动员，他的体格健壮。
李四是足球运动员，他的体格健壮。
…………
刘六是足球运动员，他的体格健壮。
事例足够多时，可归纳出一般性知识：
凡是足球运动员，他的体格一定健壮。;已知两个事物a与b有n个属性相似或相同，即：
a具有属性P1，b也具有属性P1。
a具有属性P1，b也具有属性P2。
…………
a具有属性P1，b也具有属性Pn。
且a具有属性Pn+1，则当n足够大时，可归纳出
b也具有属性Pn+1。;设：
且
则当A与B中有新元素出现时（设A中的及B中的），若已知有属性，就可???出有属性，即
;?一般模式：
（1）若H为真时，则H→E必为真或以置信度cf1成立。
（2）观察到E成立或以置信度cf2成立。
（3）则H以某种置信度(cf)成立。
;?cf的计算方法：
;7.4.1归纳推理;7.4.1归纳推理;7.4.2示例学习;7.4.2示例学习;7.4.2示例学习;7.4.2示例学习;7.4.2示例学习;7.4.2示例学习;7.4.2示例学习;7.4.2示例学习;7.4.3观察与发现学习;7.4.3观察与发现学习;7.4.3观察与发现学习;7.4.3观察与发现学习;第7章机器学习;7.5类比学习;7.5.1类比推理;7.5.1类比推理;7.5.2属性类比学习;7.5.2属性类比学习;7.5.2属性类比学习;7.5.3转换类比学习;7.5.3转换类比学习;7.5.3转换类比学习;第7章机器学习;7.6解释学习;7.6解释学习;7.6.1解释学习的概念;7.6.1解释学习的概念;7.6.2解释学习的学习过程;7.6.2解释学习的学习过程;7.6.2解释学习的学习过程;7.6.2解释学习的学习过程;7.6.2解释学习的学习过程;7.6.3领域知识的完善性;第7章机器学习;7.7机器学习方法的比较与展望;7.7.1各种机器学习方法的比较;谢谢大家！
文档评论（0）