第 第9章机器学司与知识发现 9 样例 归纳 西安电山智技大爱 知识 图9-4机器学习原理4
第 9 章 机器学习与知识发现 9 图 9-4 机器学习原理4
第 第9章机器学习与知识发现 9 西安电子到发大学出 种技大学盐藏相 发现 信息 松大学出版程 西安电子科发大 知识 图9-5机器学习原理5
第 9 章 机器学习与知识发现 9 图 9-5 机器学习原理5
第9章机器学习与和积发现 9.1.3机器学习的分类 从图9-5可以看出，机器学习可分为信息、发现和知识三 个要素，它们分别是机器学习的对象、方法和目标。那么， 谈论一种机器学习，就要考察这三个要素。而分别基于这三 个要素，就可以对机器学习进行分类。例如，由于信息有语言 符号型与数值数据型之分，因此基于信息，机器学习可分为符 号学习和数值学习；而基于知识的形式，机器学习又可分为规 则学习和函数学习等；若基于发现的逻辑方法，则机器学习 可分为归纳学习、演绎学习和类比学习等等。这样的分类也 就是分别从“从哪儿学？”、“怎样学？”和“学什么？” 这三个着眼点对机器学习进行的分类
第 9 章 机器学习与知识发现 9 9.1.3 从图9-5可以看出, 机器学习可分为信息、发现和知识三 个要素, 它们分别是机器学习的对象、方法和目标。那么, 谈论一种机器学习, 就要考察这三个要素。而分别基于这三 个要素, 就可以对机器学习进行分类。例如,由于信息有语言 符号型与数值数据型之分, 因此基于信息,机器学习可分为符 号学习和数值学习; 而基于知识的形式,机器学习又可分为规 则学习和函数学习等; 若基于发现的逻辑方法, 则机器学习 可分为归纳学习、演绎学习和类比学习等等。 这样的分类也 就是分别从“从哪儿学？” 、 “怎样学？” 和“学什么？” 这三个着眼点对机器学习进行的分类
第9章机器学司与知识发现 1.基于学习策略的分类 1)模拟人脑的机器学习 (1)符号学习：模拟人脑的宏观心理级学习过程，以认知 心理学原理为基础，以符号数据为输入，以符号运算为方法， 用推理过程在图或状态空间中搜索，学习的目标为概念或规则 等。符号学习的典型方法有记忆学习、示例学习、演绎学习、 类比学习、解释学习等。 (2)神经网络学习（或连接学习）：模拟人脑的微观生理级 学习过程，以脑和神经科学原理为基础，以人工神经网络为函 数结构模型，以数值数据为输入，以数值运算为方法，用迭代 过程在系数向量空间中搜索，学习的目标为函数。典型的连接 学习有权值修正学习、拓扑结构学习等
第 9 章 机器学习与知识发现 9 1. 基于学习策略的分类 1) (1) 符号学习: 模拟人脑的宏观心理级学习过程, 以认知 心理学原理为基础, 以符号数据为输入, 以符号运算为方法, 用推理过程在图或状态空间中搜索, 学习的目标为概念或规则 等。符号学习的典型方法有记忆学习、示例学习、演绎学习、 类比学习、解释学习等。 (2) 神经网络学习(或连接学习):模拟人脑的微观生理级 学习过程, 以脑和神经科学原理为基础,以人工神经网络为函 数结构模型, 以数值数据为输入, 以数值运算为方法,用迭代 过程在系数向量空间中搜索,学习的目标为函数。典型的连接 学习有权值修正学习、拓扑结构学习等
6 第9章机器学习与知识发现 2)直接采用数学方法的机器学习 这种机器学习方法主要有统计机器学习。而统计机器学习 又有广义和狭义之分。 广义统计机器学习指以样本数据为依据，以概率统计理论 为基础，以数值运算为方法的一类机器学习。在这个意义下， 神经网络学习也可划归为统计学习范畴。统计学习又可分为 以概率表达式函数为目标和以代数表达式函数为目标两大类 。 前者的典型有贝叶斯学习、贝叶斯网络学习等，后者的典型有 几何分类学习方法和支持向量机(SVM)。 经典文献(1)Vladimir N.Vapnik(弗拉基米尔)，译者：许建华，《统计学习理论》ISBN号： 978-7-121-08372-3,2009-03 (2)王双成。贝叶斯网络学习、推理与应用，立信会计出版社
第 9 章 机器学习与知识发现 9 2) 这种机器学习方法主要有统计机器学习。而统计机器学习 又有广义和狭义之分。 广义统计机器学习指以样本数据为依据,以概率统计理论 为基础,以数值运算为方法的一类机器学习。在这个意义下, 神经网络学习也可划归为统计学习范畴。 统计学习又可分为 以概率表达式函数为目标和以代数表达式函数为目标两大类。 前者的典型有贝叶斯学习、贝叶斯网络学习等, 后者的典型有 几何分类学习方法和支持向量机(SVM)。 经典文献(1)Vladimir N. Vapnik（弗拉基米尔）,译者：许建华，《统计学习理论》ISBN号： 978-7-121-08372-3，2009-03 (2)王双成. 贝叶斯网络学习、推理与应用,立信会计出版社