《人工智能教程（张仰森）》（四）

标签：读书笔记   人工智能   机器学习   

六、机器学习

       1. 概述

       机器学习就是计算机自动获取知识。

       首先谈了什么是机器学习。机器学习的研究目标有三个：

       1）人类学习过程的认知模型。

       2）通用学习算法。

       3）构造面向任务的专用学习系统（工程目标）。

       然后谈了研究机器学习的意义。机器学习速度快、便于知识积累、学习结果易于传播。

       接着谈了机器学习的发展史。自20世纪50年代以来，可以分为四个阶段，研究内容分别为：

       1）神经元模型和决策理论的研究。

       2）符号概念获取研究。

       3）知识增强和论域专用学习系统。

       4）连接学习研究。

       最后谈了机器学习的主要策略及研究现状。学习中使用的推理方法称为学习策略。几种基本策略是：

       1）机械学习。又称记忆学习，是最简单的学习策略。

       2）传授学习。又称指导式学习或指点学习。

       3）演绎学习。

       4）归纳学习。按其有无教师指导，又可分为实例学习（又称概念获取，给出一组正例和反例）和观察与发现学习（又称描述的一般化）。

       5）类比学习。

       2. 机器学习系统的基本模型

       在这个基本模型中，包含了4个基本组成环节。

       1）环境。指系统外部信息的来源，为学习系统提供获取知识所需的相关对象的素材或信息。

       2）学习环节。从环境提供的和所需的差异中获取相关对象的知识，将这些知识存入知识库中。

       3）知识库。存放由学习环节所学到的知识。在选择知识表示方法时，要考虑的准则有：表达能力的强弱；推理难度的大小；修改的难易；是否便于扩充。

       4）执行环节。是整个学习系统的核心。应用知识库中所学到的知识求解问题，并对执行效果评价，将评价结果反馈学习环节，便于系统进一步学习。影响学习环节的因素有：问题的复杂性；反馈信息；执行过程的透明度。

       3. 机械学习

       首先谈了机械学习的过程。即执行机构每解决一个问题，系统就记住这个问题和它的解。

       然后谈了机械学习系统要考虑的问题。

       1）存储结构。

       2）环境的稳定性和存储信息的适用性。

       3）存储于计算的权衡。两种方法：代价效益分析法；最近未用代替法（有选择的放弃法）。

       4. 传授式学习

       是一种比较使用的学习方法，可用于专家系统的知识获取。包括下列5个步骤：

       1）要求。请求专家提出建议。

       2）解释。把专家建议转成内部表示形式，属知识表示问题。

       3）实用化。信息变换过程，把抽象的建议转成具体的知识。是核心的一步。

       4）加入知识库。把得到的新知识加入知识库。

       5）评价。

       5. 类比学习

       首先谈了学习新概念。要注意三个问题：

       1）学习者必须要有一定的知识，否则就达不到学习效果。

       2）用来类比的失误之间必然具有相似的属性。

       3）属性及其值之间的直接比较往往不能说明问题，只有经过抽象以后的属性才能反映类比的本质。

       然后谈了学习问题的求解方法。有两种：变化类比法和推导类比法。转换类比学习主要有两个过程组成：回忆过程与转换过程。

       6. 归纳学习

       按其有无教师指导可分为实例学习和观察与发现学习两种形式。

       首先谈了实例学习。又称为示例学习或通过示例学习。给出的实例事先由教师分为正例和反例。给出的一般性知识应能解释所有给定的正例，并排除所有给定的反例。一般情况下，正例和反例是由信息源提供的。信息源分为：已经知道概念的教师、学习者本身、学习者以外的外部环境。实例学习是在机器学习领域中研究最充分、成果最丰富的一个分支。实例学习中的两个空间模型：

       1）例子空间：向系统提供的训练例子集合。要考虑的问题是：示教例子的质量；例子空间的组织与搜索方法。

       2）规则空间：事物所具有的某种规律。与此有关的两个问题是对规则空间的要求和规则空间的搜索方法。

       常用的几种归纳推理方法：

       1）把常量化为变量。由具体到一般的演变或归纳。

       2）去掉条件。去掉无关子条件（部分约束）。

       3）增加选择。增加析取项，扩大范围。常用的方法有：前件析取法和内部析取法。

       4）曲线拟合。

       搜索规则空间的方法有：

       1）变形空间法。一种数据驱动方法。

       2）改进假设方法。一种数据驱动方法。

       3）产生于测试方法。一种模型驱动方法。

       4）方案示例方法。一种模型驱动方法。

       数据驱动方法的优点是可以逐步接受示教例子逐步学习。模型驱动方法的优点是抗干扰性好。

       然后谈了观察与发现学习。无教师指导的归纳学习，分为：

       1）观察学习。用于对示例进行概念聚类，形成概念描述。

       2）发现学习。可分为经验发现（从经验数据中发现规律和定律）和知识发现（从已观察的示例中发现新的知识）。

       7. 基于解释的学习

       属于演绎学习方法的一种。一般描述性框架是：

       1）给定：领域知识DT；目标概念TC；训练实例TE；操作性准则OC。

       2）找出：满足OC的关于TC的充分条件。

       首先谈了基于解释学习的工作原理。

       1）构造解释结构。要证明提供给系统的实例为什么是满足目标概念的一个实例。

       2）对得到的解释结构进行一般化处理，获取一般性知识。

       然后是举例。

       最后是领域知识的完善性。要尽量提供完善的领域知识。

       8. ID3判定树算法

       ID3（Interative Dichotomic Version3）算法是一种示例学习方法，前身是概念学习系统（CLS）。

       首先谈了ID3算法。说明了主算法的流程和建树子过程。

       然后谈了实例计算。

       最后是ID3算法的特点。适用于非增量式学习任务，不适用于接受增量学习任务。

《人工智能教程（张仰森）》（四）

标签：读书笔记   人工智能   机器学习   

原文地址：http://blog.csdn.net/u012421846/article/details/47753219