《人工智能第7章机器学习.ppt》由会员分享，可在线阅读，更多相关《人工智能第7章机器学习.ppt（13页珍藏版）》请在三一办公上搜索。
1、第七章 机器学习,7.1 机器学习的定义和发展历史7.2 机器学习的主要策略7.3 机械学习7.4 归纳学习7.5 知识发现,7.1 机器学习的定义和发展历史,一.机器学习的定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.二.机器学习的发展史 机器学习是人工智能应用研究较为重要的分支,它的发展过程大体上可分为4个时期：1.第一阶段是在50年代中叶到60年代中叶,属于热烈时期.在这个时期,所研究的是“没有知识”的学习,即“无知”学习.2.第二阶段在60年代中叶至70年代中叶,被称为机器学习的冷静时期.本
2、阶段的研究目标是模拟人类的概念学习过程,并采用逻辑结构或图结构作为机器内部描述.,3.第三阶段从70年代中叶至80年代中叶,称为复兴时期.在这个时期,人们从学习单个概念扩展到学习多个概念,探索不同的学习策略和各种学习方法.4.机器学习的最新阶段始于1986年.一方面,由于神经网络研究的重新兴起.另一方面,对实验研究和应用研究得到前所未有的重视.,7.2 机器学习的主要策略,一.机器学习的主要策略 1.机械学习就是记忆,是最简单的学习策略.2.比机械学习更复杂一点的学习是示教学习策略.3.类比学习系统比上述两种学习策略需要更多的推理.4.采用示例学习策略需要推理是最多的。二.机器学习系统的基本结
3、构 1.基本结构 图 7.1 学习系统的基本结构,环境向系统的学习部分提供某些信息,学习部分利用这 些信息修改知识库,以增进系统执行部分完成任务的效能,执行部分根据知识库完成任务,同时把获得的信息反馈给学习部分.2.影响学习系统设计的重要因素(1)影响学习系统设计的最重要的因素是环境向系统提供的 信息.(2)知识库是影响学习系统设计的第二个因素.选择表示方式时要兼顾以下4个方面：表达能力强.易于推理.容易修改知识库.知识表示易于扩展.,7.3 机械学习,一.机械学习的模式机械学习是最简单的机器学习方法.机械学习就是记忆,即把新的知识存储起来,供需要时检索调用,而不需要计算和推理.机械学习又是最
4、基本的学习过程.任何学习系统都必须记住它们获取的知识.二.数据化简可以把机械学习看成是数据化简分级中的第一级.数据化简与计算机语言编译类似；其目的是把原始信息变成可执行的信息.在机械学习中我们只记忆计算的输入输出,忽略了计算过程,这样就把计算问题化简成存取问题.,三.主要问题对于机械学习,需要注意3个重要的问题:存储组织,稳定性和存储与计算之间的权衡.（1）存储组织信息:采用适当的存储方式,使检索速度尽可能地快,是机械学习中的重要问题.（2）环境的稳定性与存储信息的适用性问题:机械学习系统必须保证所保存的信息适应于外界环境变化的需要,这也就是所谓的信息适用性问题.（3）存储与计算之间的权衡:对
5、于机械学习来说很重要的一点是它不能降低系统的效率.,7.4 归纳学习,一.归纳学习的定义（1）归纳（induction）是人类拓展认识能力的重要方法,是一种从个别到一般的,从部分到整体的推理行为.（2）归纳推理是应用归纳方法,从足够多的具体事例中归纳出一般性知识,提取事物的一般规律;它是一种从个别到一般的推理.（3）归纳学习（induction learning）是应用归纳推理进行学习的一种方法.根据归纳学习有无教师指导,可把它分为示例学习和观察与发现学习.前者属于有师学习,后者属于无师学习.二.归纳学习的一般模式给定:(1)观察陈述（事实）F,用以表示有关某些对象、状态、过程等的特定知识;(
6、2)假定的初始归纳断言（可能为空);(3)背景知识,用于定义有关观察陈述、候选归纳断言以及任何相关问题领域知识、假设和约束.,求：归纳断言（假设）H,能重言蕴涵或弱蕴涵观察陈述,并满足背景知识。假设H永真蕴涵事实F,说明F是H的逻辑推理,则有：H|F（读作H特殊化为F）或 F|H（读作F一般化或消解为H）这里,从H推导F是演绎推理,因此是保真的;而从事实F推导出假设H是归纳推理,因此不是保真的,而是保假的.,三.归纳学习方法 1.示例学习示例学习（learning from examples）又称为实例学习,它是通过环境中若干与某概念有关的例子,经归纳得出一般性概念的一种学习方法.在这种学习方
7、法中,外部环境提供的是一组例子（正例和反例）,示例学习就是要从这些特殊知识中归纳出适用于更大范围的一般性知识,以覆盖所有的正例并排除所有反例.2.观察发现学习观察发现学习又称为描述性概括,其目标是确定一个定律或理论的一般性描述,刻画观察集,指定某类对象的性质.观察发现学习可分为观察学习与机器发现两种.前者用于对事例进行聚类,形成概念描述;后者用于发现规律,产生定律或规则.,7.5 知识发现,一.知识发现的产生 知识发现最早是于1989年8月在第11届国际人工智能联合会议的专题讨论会上提出.二.定义：数据库中的知识发现是从大量数据中辨识出有效的、新颖的、潜在有用的、并可被理解的模式的高级处理过程.三.知识发现的处理过程 1.数据选择.2.数据预处理.3.数据变换.4.数据挖掘.,5.知识评价.四.知识发现的方法 1.统计方法 2.机器学习方法 3.神经计算方法 4.可视化方法五.知识发现的应用知识发现已在许多领域得到应用,且应用领域越来越广.现在,知识发现已在银行业、保险业、零售业、医疗保健、工程和制造业、科学研究、卫星观察和娱乐业等行业和部门得到成功应用,为人们的科学决策提供很大帮助,
