文档介绍：机器学****方法
3 类比学****类比也就是通过对相似事物进行比较所进行的一种学****它的基础是类比推理,也就是把新事物和记忆中的老事物进行比较,如果发现它们之间有些属性(过程)是相同的,那么可以(假定地)推断出它们的另外一些属性(过程)也是相同的.
例如“桥 bridge”概念建立、“狗”与“狼”概念的建立等。已知“偶数×偶数=偶数”,用类比的方法求证“奇数×奇数=奇数”。
4 解释学****它不是通过归纳或类比进行学****而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****并最终生成这个目标概念的一般描述,这个一般描述是一个可形式化表示的一般性知识。
机器学****方法
二、常见学****方法(获取知识的类型):
1 归纳学****概念学****决策树)
2 基于范例的学****br/>3 人工神经网络
4 统计学****支持向量机)
5 遗传算法(马尔柯夫模型)
高级人工智能
1 归纳学****方法
归纳学****是一种符号学****在已知正例,反例的基础上归纳出一个通用的概念,归纳学****能得到新的概念,创立新的规则,发现新的理论。
归纳学****并不“保真”,是“保假”的;是从特殊到一般,而演绎是保真的。
如“麻雀会飞”,“燕子会飞”等归纳“鸟会飞(鸵鸟不会飞)”.
归纳学****依赖于经验数据,因此又称为经验学****br/>归纳学****的基本操作:泛化,例化;
泛化- 扩展一假设的语义信息,使其能包含更多的正例,应用于更多的情况;
例化-用于限制概念描述的应用范围。
实例空间
规则空间
选择例子
(例化)
解释过程
(泛化)
归纳学****的双空间模型
归纳学****方法
概念学****br/>给定某一类别的若干正例和反例,从中获得该类别的一般定义——概念。
搜索的观点
在预定义的假设空间中搜索假设,使其与训练样例有最佳的拟合。
例如“puting”,“物联网 The of things”,“社会计算 puting”,“码农Coding Farmer(s)”等。
单概念/多概念学****br/> 概念学****br/>概念学****br/>许多机器学****涉及到从特殊训练样例中得到一般概念。
概念,可被看作一个对象或事件集合,它是从更大的集合中选取的子集,或在这个较大集合中定义的布尔函数。
概念学****问题的定义
给定一个样例集合以及每个样例是否属于某个概念的标注,怎样推断出该概念的一般定义。又称从样例中逼近布尔函数。
概念学****是指从有关某个布尔函数的输入输出训练样例中推断出该布尔函数。
概念学****br/>目标概念:“运动员进行水上运动项目的日子”,表示为布尔函数EnjoySport
任务目的:基于某天的有关属性,预测EnjoySport函数的值
任务的学****空间:样例集,每个样例表示为属性的集合
概念学****例子
术语定义
目标概念 c
训练样例 x
训练样例集 D={x1,x2,...xn}
正例(yes),目标概念成员
反例(no),非目标概念成员
假设 h
假设集 H={h1,h2...hn}
机器学****的目标就是寻找一个假设h,使得对所有的训练样例x,都有
h(x)=c(x) 假设与概念一致