机器学习73862.ppt

人工智能 机器学习概论 人工智能 机器学习概述 机器学习认识： 机器学习之 学习系统 为了使计算机系统具有某种程度的学习能力,使它能通过 学习增长知识,改善性能,提高智能水平,需要为它建立相应的 学习系统。一个学习系统必须具有适当的学习环境,一定的学 习能力,并且能应用学到的知识求解问题,其目的是能提高系 统的性能。一个学习系统一般应该由环境、学习、知识库、执行与评价四个基本部分组成。 机器学习之 学习系统 机器学习之 主要策略 机器学习的发展极为迅速,应用亦日益广泛,有很多优秀 的学习算法,基本上可以分为基于符号学习和基于非符号学习 (连接学习) 。其中符号学习比较好的有机械式学习、指导式学习、示例学习、类比学习、基于解释的学习。 机器学习 机械学习 机械式学习又称死记式学习,这是一种最简单也是最原始、最基本的学习策略。通过记忆和评价外部环境所提供的信息达到学习的目的,学习系统要做的工作就是把经过评价所获取的知识存储到知识库中,求解问题时就从知识库中检索出相应的知识直接用来求解问题。 机械式学习过程可用模型示意如下: (1) 学习过程 (x1 , ?,xn) 计算 (y1 , ?,yp) 存储 [ (x1 , ?,xn) , (y1 , ?,yp) ] (2) 应用过程 (x1 , ?,xn)检索[ (x1 , ?,xn) , (y1 , ?,yp) ]输出(y1 , ?,yp) 机器学习 机械学习 机械式学习是基于记忆和检索的方法,学习方法很简单, 但学习系统需要几种能力: ①能实现有组织的存储信息; ②能 进行信息结合; ③能控制检索方向。对于机械式学习,需要注 意三个重要的问题:存储组织信息、环境的稳定性与存储信息 的适用性以及存储与计算之间的权衡。机械式学习的学习程 序不具有推理能力,只是将所有的信息存入计算机来增加新知 识,其实质上是用存储空间换取处理时间,虽然节省了计算时 间,但却多占用存储空间。当因学习而积累的知识逐渐增多 时,占用的空间就会越来越大,检索的效率也将随之下降。所 以,在机械式学习中要全面权衡时间与空间的关系。 机器学习 指导式学习 指导式学习(Learning by Being Told) 又称嘱咐式学习或教授式学习。在这种学习方式下,由外部环境向系统提供一般性的指示或建议,系统把它们具体地转换为细节知识并送入知识库。在学习过程中要反复对形成的知识进行评价,使其不断完善。 机器学习 　 归纳学习 归纳学习是应用归纳推理进行学习的一类学习方法,也是 研究最广的一种符号学习方法,它表示从例子设想出假设的过 程。归纳是指从个别到一般、从部分到整体的一类推论行为。 归纳推理是应用归纳方法所进行的推理,即从足够多的事例中 归纳出一般性的知识,它是一种从个别到一般的推理。由于在 进行归纳时,多数情况下不可能考察全部有关的事例,因而归 纳出的结论不能绝对保证它的正确性,只能以某种程度相信它 为真,这是归纳推理的一个重要特征。在进行归纳学习时,学 习者从所提供的事实或观察到的假设进行归纳推理,获得某个 概念。归纳学习也可按其有无教师指导分为示例学习以及观 察与发现学习。 归纳学习 　 示例学习 示例学习又称概念获取或从例子中学习,它是通过从环境中取得若干与某概念有关的例子,经归纳得出一般性概念的一种学习方法。在这种学习方法中,外部环境(教师) 提供的是一组例子(正例和反例) ,这些例子实际上是一组特殊的知识,每一个例子表达了仅适用于该例子的知识,示例学习就是要从这些特殊知识中归纳出适用于更大范围的一般性知识,它将覆盖所有的正例并排除所有反例。其学习过程是: ①从示例空间(环境) 中选择合适的训练示例; ②经解释归纳出一般性的知识; ③再从示例空间中选择更多的示例对它进行验证,直到得到可实用的知识为止。在示例学习系统中,有两个重要概念: 示例空间和规则空间。示例空间就是我们向系统提供的训练例集合。规则空间是例子空间所潜在的某种事物规律的集合,学习系统应该从大量的训练例中自行总结出这些规律。可以把示例学习看成是选择训练例去指导规则空间的有哪些信誉好的足球投注网站过