第五章機器學習-展示頁
2024-08-16 13:15本頁面
【正文】 ization) 二、分類 實例學習 也稱概念獲取，確定概念的一般描述，這個描述應能解釋所有給定的正例并排除所有給定的反例。其基本機制是設法將在一種情形下成功的表現(xiàn)行為轉移到另一類似的新情形中去。第五章 機器學習 第一節(jié) 引言 一、學習 如果一個系統(tǒng)能夠執(zhí)行某個過程而改進它的性能，這就是學習。 學習是獲取知識、積累經(jīng)驗、改進性能、發(fā)現(xiàn)規(guī)律、適應環(huán)境的過程。 二、學習分類 基于歸納的學習（歸納學習） 基于分析的學習（分析學習） 基于遺傳原理的學習（遺傳學習） 基于海量并行 (神經(jīng)網(wǎng)絡 )的學習（神經(jīng)網(wǎng)絡學習） 第五章 機器學習 第二節(jié) 歸納學習 一、基本含義 給定關于某個概念的一系列已知的正例和反例，從中歸納出一個一般的概念描述的過程。 這些正例和反例由信息源提供，是有教師學習。 這類學習包括概念聚類、構造分類、發(fā)現(xiàn)定理、形成理論等。 第五章 機器學習 第二節(jié) 歸納學習 四、變型 (版本 )空間方法 (Version Space) 以整個規(guī)則空間為初始的假設規(guī)則集合 H，依據(jù)訓練例子中的信息，對集合 H進行泛化和特化處理，逐步縮小集合 H。 泛化 特化 更一般 更特殊 沒有描述 G S 第五章 機器學習 第二節(jié) 歸納學習 五、 AQ歸納學習算法 生成的選擇假設的析取，覆蓋全部正例，而不覆蓋任何反例。 注： AQ11的原理是將樣本集構成一個邏輯公式。 六、產(chǎn)生與測試方法 僅通過正例學習概念，引入“概念窗口”概念。 CLS學習算法 從一個空決策樹開始，通過增加決策結點，逐漸精化，直到樹正確分類全部訓練實例。 ID3學習算法 —— Quinlan 1979 采用訓練實例的子集 (即，可選擇窗口 )，通過屬性，使用熵概念，來形成決策樹。 注： ID3的數(shù)學基礎是商集。每個表由全部未檢測屬性值和每個值的正例和反例數(shù)組構成。即，遞增概念歸納。 C5 處理連續(xù)屬性。 Gold學習理論和 Valiant學習理論。 第五章 機器學習 第三節(jié) 分析學習 一、類比學習 類比 —— 比喻 類比是人類重要的認知方法，是經(jīng)驗決策過程中常用的推理方式，是一種允許知識在具有相似性質(zhì)的領域中進行轉換的學習策略。 第五章 機器學習 第三節(jié) 分析學習 一、類比學習 類比學習 注： 1)類比學習的核心技術是相似性的定義和度量。 類比學習主要步驟 a)聯(lián)想搜索匹配 b)檢驗相似程度 c)修正變換求解 d)更新知識庫 第五章 機器學習 第三節(jié) 分析學習 一、類比學習 類比學習方法 a)轉換類比 b)派生類比 c)基于案例的學習 第五章 機器學習 第三節(jié) 分析學習 一、類比學習 轉換類比學習系統(tǒng) 主要由比較器、知識庫、操作模塊、解法棧、檢驗模塊組成。 第五章 機器學習 第三節(jié) 分析學習 一、類比學習 基于案例的學習 是基于類比的學習的進一步發(fā)展，特別適用于較難發(fā)現(xiàn)規(guī)律性知識、也不容易找到因果模型的領域。 2)基于案例的學習從其本性來說就是增量式學習。 第五章 機器學習 第三節(jié) 分析學習 一、類比學習 基于案例的學習 注： 4)基于案例學習的一般過程如下：
法律信息相關推薦
鄂ICP備17016276號-1