机器学习方式_白2 学习机器_学习英语的方式

展开全部

基于学习策略的分类

学习策略是指学习过程中系统所选用的推理策略。一赴系统总是由学习跟环境两部份组成。由环境（如书本沪）提供信息机器学习方法，学习部份灾信息转化，用才能理解的方式记忆出来，并从中惚用的信息。在学习过程中，学生（学习部份）使用的推理越少，他对班主任（环境）的依赖就越刺师的负担也就越重。学习策略的分类标准就是按照师生实现信息转化所需的推理多少跟难易程度来分类的，依从鄂复杂，从少至多的次歇以下六种基本类别：

1）机械学习 (Rote learning)

学习者无需任何推理稽的知识转化，直接汲取环境所提供的信息。如塞缪尔的象棋程笑锻文LT系统。这类学习系统旨虑的是怎样随贮的知识并加以运用。系统的学习方法是直接通过事先编好、构造好的程效习，学习者不孜工浊通过直接接收既定的事实跟数据进行学习，对键入信息不孜的推理。

2）示教学习 (Learning from instruction籸ning by being told)

学生从环境（教师稽信息源如教科书等）慌息，把知识转化成内部可使用的表示方式，并将新的知识跟原有知识有机地结合为一体。所以要曲有一定程度的推理能力，但环境仍要卓的工滋师以某些方式提抽织知识，以让师生拥有的知识可以不断地裕这些学习方法跟人类社会的中学教学模式相同，学习的任吻构建一赋，使它能接受教诲跟建议，并有效地储存跟应用学到的知识。不少学者系统在推行知识库时使用这些方式去实现知识唬示教学习的一竿应用例是FOO程衎r />3）演绎学习 (Learning by deduction)

学生所用的推理方式为诠释推理。推理从公理超经过逻辑变换推论弛。这种推理是保真变换跟特化(specialization)的过程，使师生在推理过程中可以惚用的知识。这种学习方法包含宏操譪ro-operation)学习、知识编辑跟组块(Chunking)技瘦绎推理的逆过程是归纳推理。

4）类比学习 (Learning by analogy)

利用二脯领哟涌标有的知识相似性，可以通过类比，从源营识（包括相同的特珍它性质）推导酬余应知识，从而实现学习。类比学习系统可以使一感的计算机应用系统转变为适应于新的领哟完成以前没有设计的相类似的功能。

类比学习还要比上手学习方法更多的推理。它通常要怯知识源（源有检松用的知识，再将其转化成新的方式，用到新的状靠标有去。类比学习在人类科学技让史上曝要挣许多科学发觉就是通过类比得到的。例如知名的卢瑟福类比就是通过将原子结构（目标蝇太穴源尤，揭示了原子结构的奥秘。

5）基于解释的学习 (Explanation-based learning, EBL)

学生按照班主任提供的目标概念、该概念的一湘、领盂及可操鬃先构造一竿来说貌该实例满足目标概念，然衡释推广为目标概念的一弄可操卒分塌EBL已被广泛应用于知识库岌缓解系统的功耗。

著名的EBL系统有迪乔?DeJong）的GENESIS,米切尔（T.Mitchell）的LEXII跟LEAP, 以及狗S.Minton）等的PRODIGY。

6）归纳学习 (Learning from induction)

归纳学习是由班主任怀提供某概念的一些例子积，让师生通过归纳推理得撑念的通常描殊种学习的推理工锥高于示教学习跟诠释学习，曳境并不提供一般性概念描淑公理）。从某些程度上说，归纳学习的推理量也比类比学习椿有一钙的概念可以状概念加以取用。归纳学习是最基本的，发展也较为成熟的学习方法，在人工智能领友经得到广泛的研究跟应用。

基于所华识的表示方式分类

学习系统荒知识或许有：行为规燥理对翔适题沁略、钢类及其它适于任沃的知识类别。

对于学习中荒知识，中以下一些表示方式：

1）代数式子参数

学习的目标是祷辅函数方式的代数式子参数积来达到一鸽的功耗。

2） />用井分质点的类士一内部节点对应一稿尸而每一边对应于某些誓可选值，识节点驭于质点的每妇分类。

3）形式文法

在识报语言的学习中，通过对该语言的一系列式子进行归纳，形成该语言的形式文法。

4）产生式规 />产生式规跃为酞动挣已被极为广泛地使用。学习系统中的学习行为智：生成、泛化、特化（Specialization）簧产生式规詁r />5）形式逻辑式子

形式逻辑式子的基本成份是命题、谓词、变量、约束变量范围的句子，及嵌入的逻辑式子。

6）图跟网路

有的系统辅以图匹配跟图转化方案来有效地比较跟霜识。

7）客方式（schema）

每杠包含一组槽，用于描曙（概念跟俯的附面。

8）计算机程袖它的过程编码

烩种形式的知识，目的在于取得一种能实现特定过程的能力，而不是为了推测该过程的内部结构。

9）渗络

这置在连接学习中。学习所荒知识，最荷为一腑网路。

10）多种表示方式的组合

有时一赴系统中荒知识还要综合应用上手知识表示方式。

根据表示的精细程度，可将知识表示方式分为两春泛化程度高的粗细度符号表示、??泛化程度低的精细度亚符号(sub-symbolic)表示。线饰式文法、产生式规晕式逻辑式子、客方式等墅号表示类；而代数式子参数、图跟网路、渗络等沔符号表示类。

按应用领余

最帜应用领雍学者系统、认知模拟、规划跟问题洽数据挖绝络信息服渭鲜障确诊、自然语言理解、机仆角力等领觔r />从机瓢的执行部份所反映的任瓮上看，粗的应用研究领泳上集中于以下两鸽：分类跟问题牵

（1）分类任纬根据已知的分类知识对键入的未知机制（该机制的描试确定键入机制的类枢应的学习目标就是学习适于分类的准早分类规裕

（2）问题俏乌给定的目标状态,??寻找一副前状态转化为目标状态的动仔；机瓢在这一领有究工卓分集中于通过学习来卉增加问题千率的知识（如搜似知识，平知识等）。 综合考虑抚习方式衬历史渊源、知识表示、推理策略、结果评估的相似性、研究人员交拎对集中性以及应用领宇遥将机瓢方式 区分为以下六类：

1）经验性归纳学习 (empirical inductive learning)

经验性归纳学习选用一些数据密集的经验技巧（如版本空间法、ID3法，定律发觉方式）对实例进行归纳学习。其实例跟学习结果通常都选用盛语义、关系等符号表示。它相当于基于学习策略分类中的归纳学习，但扣掉连接学习、遗传算法、加强学习的部份。

2）分伟（analytic learning）

分伟方式是从一纲数几庚超利用领佣进行分武重蘸

·推理策略智上演，而非归纳；

·使用过去的问题黔验（实例）指导新的问题乾机能更有效地利用领佣的搜似规詁r />分伟的目标是缓解系统的功耗，而不是新的概念描手伟包括应用解释学习、演绎学习、多级结构组块以及宏操装等技蔮r />3）类比学习

它相当于基于学习策略分类中的类比学习。在这一类别的学习中比较引人注目的研究是通过与过去经历的详细例子兹来学习，称为基于范本的学习(case_based learning)，黄范本学习。

4）遗传算法（genetic algorithm）

遗传算法模拟生物饲养的突变、交换跟达尔文的自然选在每一生态环境中适者生存）。它把问题或许的解编码为一缚，称为脯夏每一肛称为基尧运用目标函数（相应于自然选约）对群体（改集合）中的每一稿进行评价，根据评价值（适应度）对给行选曰换、变异等遗传操子而得到新的群体。遗传算法适用于十分复杂跟困难的环境，比如，带有措声跟无关数据、事物不断更新、问题目标不能猛准确地定义，以及通过太长的执行过程能够确定当前行为的价值等。同渗络一样，遗传算法的研究早已发展为人工智能的一涪分支，其代表人物为宦（J.H.Holland）。

5）联接学习

典型的连接模型实现为人工渗络，其由称为瑟的一些估算单元以及单元间的加权连接组成。

6）鸳习（reinforcement learning）

鸳习的特征是通过与环境的试探性（trial and error）交互来确定跟优化动住栽实现何谓的形乌这些任维学习模式通过选源行动准致系统状态的变化，并有或许得到某些加强讯号（立即收益）机器学习方法，从而实现与环境的交互。强化讯号就是对系统行为的一种标量化的奖罚。系统学习的目标是寻求一甘的动自，即在任一给定的状态下选灾动逮法，使形成的动仔可怀种最优的结果（如累计立刻收益最嶙

在综合分类中,经验归纳学习、遗传算法、联接学习跟鸳习均书纳学习，其中经验归纳学习选用符号表示方法，而遗传算法、联接学习跟增强学习悦亚符号表示方法；分伟瘦绎学习。

实际上，类比策略可看成是归纳跟诠释策略的综合。翌基本的学习策略只有归纳跟诠释。

从学习内容的角度看，采用归纳策略的学习因为是对键入进行归纳，所学习的知识虽然少于原有系统知识库所能隐含的范围,所学结果改变了系统的知识诠释闭包, 意种类别的学习又可称为知识级学习;而选用诠释策略的学习虽然所学的知识能提升系统的效率，但仍能被原有系统的知识库所隐含,即所学的知识无法改变系统的诠释闭包,意种类别的学习又被称为符号级学习。 1）监督学习(supervised learning)

监督学习，即在机械学习过程中提供对错指示。一般实在是数据组中包含最终结果（0，1）。通过算法使机埔迹这一类学习枝适于分类跟预测 (regression & classify)。监督学习从给定的训练数据集中学习除，当新的数据到来时，可以按照这庚预测结果。监督学习的训练集要屈括键入跟输巢可以说是特湛标。训练集中的目标是由人标明的。常见的监督学习算法包括回归分纬计分类。

2）非监督学习(unsupervised learning)

非监督学习又称归纳性学习（clustering）利用K方式(Kmeans)，建立中心（centriole），通过循环跟递笺(iteration&descent)来棘达到分类的目的。

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/jisuanjixue/article-134960-1.html