第七章-机器学习.ppt

转换类比学习主要有两个过程组成：回忆过程和转换过程回忆过程：用于找出新、旧问题间的差别新、旧问题初始状态的差别新、旧问题目标状态的差别新、旧问题路径约束的差别新、旧问题求解方法可应用度的差别转换过程：把旧问题的求解方法经适当变换，使之成为求解新问题的方法。§7.6基于解释的学习1基于解释学习的概念基于解释学习是通过运用相关的领域知识及一个训练实例来对某一目标概念进行学习，最终生成这个目标概念的一般描述，该一般描述是一个可形式化表示的一般性知识(1)这种学习方法基于如下考虑提出①人们经常能从观察或执行的单个实例中得到一个一般性的概念及规则，这就为基于解释学习的提出提供了可能性②基于解释的学习在其学习过程中运用领域知识对提供给系统的实例进行分析，保证了推理的正确性③应用基于解释学习的方法进行学习，有望提高学习效率(2)米切尔用如下框架描述解释学习给定：领域知识DT—相关领域的事实和规则目标概念TC—要学习的概念训练实例TE—为学习系统提供的实例操作性准则OC—指导学习系统对描述目标的概念进行取舍找出：满足OC的关于TC的充分条件系统进行学习时，运用领域知识DT找出训练实例TE为什么是目标概念TC之实例的证明(解释)，然后根据操作性准则OC对证明进行推广，从而得到关于目标概念TC的一个一般性描述。(3)基于解释的学习与示例学习的区别解释学习①只要求输入一个实例②学习方法是演绎，要求提供完善的领域知识③侧重于技能提高，通过学习把非操作性的知识转换为可操作的形式化知识示例学习①系统要求输入一组实例②学习是归纳法，不要求提供领域知识③侧重于概念的获取2基于解释学习的学习过程(1)构造解释这一步的任务是证明提供给系统的训练实例为什么是满足目标概念的一个实例。其证明过程是通过运用领域知识进行演绎实现，证明的结果是得到一个解释结构例设要学习的目标概念是“一个物体（obj1）可以安全地放置在另一个物体(obj2)上”Safe-To-Stack(obj1,obj2)训练实例描述物体obj1和obj2的下述事实On(obj1,obj2)Isa(obj1,book-AI)Isa(obj2,table-book)Volume(obj1,1)Density(obj1,0.1)领域知识:把一个物体放置在另一物体上的安全性准则?Fragile(y)→Safe-To-Stack(x,y)Lighter(x,y)→Safe-To-Stack(x,y)Volume(p,v)?Density(p,d)?*(v,d,w)→Weight(p,w)Isa(p,table-book)→Weight(p,15)Weight(p1,w1)?Weight(p2,w2)?Smaller(w1,w2)→Ligter(p1,p2)由目标概念引导的逆向推理，获得如下一个解释结构Safe-To-Stack(obj1,obj2)Lighter(obj1,obj2)Weight(obj1,0.1)Weight(obj2,15)Smaller(0.1,15)Isa(obj2,table-book)Volume(obj1,1)Density(obj1,0.1)*(1,0.1,0.1)(2)获取一般性的知识把常量变换为变量，把某些不重要得信息去掉，只保留那些对以后求解问题所必需的关键性信息一般性知识Volume(O1,v1)?Density(O1,d1)?*(v1,d1,w1)?Isa(O2,table-book)?Smaller(w1,15)→Safe-to-stack(O1,O2)解释结构：是上图改变Safe-To-Stack(O1,O2)Lighter(O1,O2)Weight(O1,w1)Weight(O2,15)Smaller(w1,15)Isa(O2,table-book)Volume(O1,v1)Density(O1,d1)*(v1,d1,w1)3领域知识的完善性完善的领域知识才能产生正确的学习描述，领域知识不完善，有可能出现：①构造不出解释系统中缺少某些相关的领域知识领域知识中包含了矛盾等错误②构造出了多种解释已有的知识不健全，不足以把不同的解释区分开来§7.7学习方法的比较与展望1各种学习方法的比较类比较机械学习指导式学习解