机器学习人工智能原理与应用.ppt

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）之一。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标。 6.1 概述 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。 2、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。 1、机器学习速度惊人； 2、机器学习可以把学习不断地延续下去，避免大量的 重复学习，使知识积累达到新的高度； 3、机器学习有利于知识的传播。 自从50年代开始研究机器学习以来，在不同时期的研究途径和目标也不同。可以划分三个阶段。其研究内容分别为：神经模型和决策理论；符号概念获取；知识加强和论域专用学习；连接学习的研究。各阶段的区别主要在于学习系统中先验知识的数量和系统中表实与修改知识的方法。 6.4 传授式学习 　 传授学习(Learning by Being Told或Learning by Instruction)又称为指点学习。这时，环境提供的信息较抽象，水平较高，学习环节把这些信息变换成执行环节使用的较低水平的信息。　　1.要求　　这是请求专家提出建议。有时对专家的要求是简单的，即请专家提供一般的建议。有时要求是复杂的，即请专家识别知识库的欠缺，并提出修改方法。有些系统是被动的，它消极等待专家提出建议。有些系统是主动的，它把专家注意力引向特定的问题。　　2.解释　　这是把专家建议转成内部表实，是知识表实问题。内部表实应包含建议的全部信息。如果用自然语言提出建议，解释过程应包括自然语言理解。 　　 6.4 传授式学习 3.实用化　　这是传授学习的信息变换过程，它把抽象的建议转成具体的知识。实用化过程类似于自动程序设计。前者由建议得到实用的规则，后者由程序说明得到程序。二者也存在差别。后者要求得到完全正确的程序，强调程序的正确性。前者往往使用弱方法，不保证完全正确。实用化过程有时作试探性的假设和近似，只能要求其合理性。得到的假设还要经过检验和修改。4.归并　　这是把新知识加入知识库。这有可能造成旧知识的错误使用。一个问题是新旧知识适用范围的重迭。另一个问题是它们结论的冲突。如果新旧规则的条件部分重迭，就会在该使用旧规则时错误使用了新规则。可以修改规则条件以防止重迭，也可以用元规则对规则排序。为了解决结论的冲突。可以修改规则，也可以用元规则选用合理的规则，排除不合理的。 　　 6.4 传授式学习 5.评价　　实用化得到的新知识往往是假设，要经过验证和修改。如果评价中发现了问题，要进行故障分析和知识库修改。　　上述五步中，实用化是过程的核心。正是在这一步实现信息水平的变换。Mostow(1981)按用途、论域和精度对实用化方法进行了分类，还给出实用化的13个例子。有的例子要经过约100次变换，有的只要8次变换。 　　传授学习的例子有Mostow的FOO和Davis的TEIRESLAS。TEIRESLAS通过和用户对话，把用户的一般性意见或指实具体化，或辅助用户修改知识库。该程序用产生式规则来选择合适的投资市场。 6.5 类比学习 类比学习(Learning by Analogy)是获取新概念或新技巧的方法，它把类似这些新概念或新技巧的已知知识转换为适于新情况的形式。类比学习的第一步是从记忆中找到类似的概念或技巧，第二步是把它们转换为新形式以便用于新情况。例如人类的一种学习方式是先由老师教学生解例题(先例)，再给学生留习题。学生寻找在例题和习题间的对应关系，利用解决例题的知识去解决习题中的问题。学生经过一般化归纳推出原理，以便以后使用。这种类比学习方式是人类常用的。 6.5 类比学习 6.5.1 学习新概念 利用类比学习方法学习新概念或新技巧