| 查看: 291 | 回复: 1 | |||
| 当前主题已经存档。 | |||
[交流]
机器学习简介
|
|||
|
一、机器学习的概念 1。(simon) 学习是系统的改变，这种改变使系统在下一次做相同或类似的工作更有效。 2. 学习是（有用）知识的获取。 3. （Michalski) 学习是构造或修改所经历事物的表示。 4 。 （Mitchell) 如果一个计算机程序（执行任务T，性能衡量为P) 能根据经验E来自我完善，那么我们称这个计算机程序从经验E中学习。 二、机器学习研究的分类 分类方式： 1）基于所使用的基本学习策略分类：根据在所给定的数据上执行学习所花费的推理步骤。死记硬背式学习、讲授式学习、演绎式学习、示例学习、观察与发现学习。 2）基于知识表示的分类：树、产生式规则。 3）基于应用领域分类： 农业、化学、机器人、语言识别 等 2. 基于学习策略分类 1）死记硬背式学习(Rote Learning):不需要推理、直接编程或存储外部信息。 1）讲授式学习（Learning by being told or from instruction）: 通过教师或其它知识系统来获取知识，学习程序要把得到的知识转化为内部可用的一种表示。 讲授式学习知识获取程序一般要作以下几项工作： ① 把领域专家（即环境）用自然语言或其它手段表述的知识翻译成系统的内部表示。 ② 把新知识放入知识库中适当位置上。 ③ 维护知识库的一致性。 3）演绎式学习（Deductive Learning）: 从公理出发，经逻辑变换推导出结论。这种推理是一种保真变换。 4）示例学习：给学习程序提供正例集和反例集，学习程序能归纳出适合正例集排除反例集的一般概念描述。 主要算法：AQ15、ID3、扩张矩阵理论AE算法。 5）观察与发现学习（Learning from observation and discovery）: 环境给程序提供一组观察事例，学习程序构造一个概念描述来覆盖所有或大多数事例。聚类，经验发现。 6）解释学习：学生根据教师提供的目标概念，该概念的一个例子，领域理论及操作准则，首先构造一个解释说明该例子能满足目标概念，然后使用回归将解释推广为目标概念的一个满足操作准则的充分条件。 7）类比学习：S和T分别是源域和目标域，P(S) 及P(t) 成立，且Q(S) 成立， 可推出Q(t) 成立。 三、 机器学习的研究目标： 加强基础研究，发展各种学习理论，探讨所有可能的学习方法及其算法，比较人类学习与机器学习的异同及其联系。 模拟人类学习过程，深入研究学习过程的各个环节及其特征。 面向应用，研制各种机器学习系统，即具有学习功能的人工智能系统。 [ Last edited by 幻影无痕 on 2006-10-3 at 13:52 ] |
回复此楼» 猜你喜欢
拟解决的关键科学问题还要不要写
已经有7人回复
-
请教限项目规定
已经有3人回复
-
存款400万可以在学校里躺平吗
已经有15人回复
-
Materials Today Chemistry审稿周期
已经有6人回复
-
基金委咋了？2026年的指南还没有出来？
已经有10人回复
-
基金申报
已经有6人回复
-
推荐一本书
已经有13人回复
-
国自然申请面上模板最新2026版出了吗？
已经有17人回复
-
纳米粒子粒径的测量
已经有8人回复
-
疑惑？
已经有5人回复
yuefour
金虫 (正式写手)
- 应助: 0 (幼儿园)
- 贵宾: 9.5
- 金币: 1310.7
- 帖子: 838
- 在线: 17小时
- 虫号: 64621
- 注册: 2005-04-16
- 性别: GG
- 专业: 中医内科
2楼2005-06-22 17:51:48