(2)机器学习:使计算机能模拟人的学习行为,自动地 通过学习获取知识和技能,不断改善性能,实现自 我完善。机器学习的研究围绕三个方面: ①学习机理的研究:对人类学习机制的研究,即人类 获取知识、技能和抽象概念的天赋能力 ②学习方法的研究:研究人类的学习过程,探索各种 可能的学习方法,建立起独立于具体应用领域的学 习算法 ③面向任务的研究:根据特定任务的要求,建立相应 的学习系统 2 学习系统:是能够在一定程度上实现机器学习的系 统,一个学习系统应具有如下条件和能力: (1)具有适当的学习环境 环境:学习系统进行学习时的信息来源
例 2 花色 (C1, 红桃 ) 花色 (C2, 红桃 ) 花色 (C3, 红桃)花色(C4,红桃)→同花(C1,C2,C3,C4) 规则1:花色(C1,x)花色(C2,x)花色(C3,x)花 色(C4,x)→同花(C1,C2,C3,C4) • 舍弃条件:舍去某些无关子条件 花色(C1,红桃)点数(C1,2) 花色(C2,红桃)点数(C2,4) 花色(C3,红桃)点数(C3,6) 花色(C4,红桃)点数(C4,8) →同花(C1,C2,C3,C4) ∵点数与同花无关,点数舍去,红桃用x代替。 如同规则1
(3)类比归纳 设A,B分别是两类事物的集合 A={a1,a2…} B={b1,b2…} 并设ai,bi总是成对出现的,且当ai有属性P时, bi就有属性Q与之对应,即 P(ai)→Q(bi) i=1,2,3.. 若A,B有一对新元素a’,b’时,由P(a’)→Q(b’)
(4) 逆推理归纳:是一种由结论成立而推出前提以某 种置信度成立的归纳方法,这种方法的模式为 • 若H为真,则H→E必为真,或以置信度cf1成立 • 观察到E成立或以置信度cf2成立 • 则H以某种置信度cf成立 H→E cf1 P(E/H) E cf2 H cf E→H cf’1可按Bayes公式算出 cf’1=P(H/E)=P(E/H)*P(H)/P(E)=cf1*P(H)/P(E) =cf1*cf/cf2 ∴cf=cf1’*cf2/cf1