7.1机器学习概述 机器学习可以根据许多不同的方式来分类,这里, 我们选择了三种方式: ()基于所使用的基本学习策咯分类。根据在给定 的信息上执行所花费的推理步数量排出学习处理过程 顺序; (2)基于知识表示或学习者所获取的技能分 (3)基于获取知识的系统的应用领域分类。 第7章相关机器学习
第7章 相关机器学习 7.1 机器学习概述 机器学习可以根据许多不同的方式来分类，这里， 我们选择了三种方式： （l）基于所使用的基本学习策咯分类。根据在所给定 的信息上执行所花费的推理步数量排出学习处理过程 顺序； （2）基于知识表示或学习者所获取的技能分类； （3）基于获取知识的系统的应用领域分类
由上述方法定义出的各种信息都对应一种特殊学习 策咯,采用一定的知识识表示,应用到某一领或。 由于现有的学习系统采用多种表赤和处理,并许多 系统不止应用于一个领域,因此速样的系统应卡有研 究价值。 第7章相关机器学习
第7章 相关机器学习 由上述方法定义出的各种信息都对应一种特殊的学习 策咯, 采用一定的知识识表示, 应用到某一领域。 由于现有的学习系统采用多种表示和处理, 并且许多 系统不止应用于一个领域 , 因此这样的系统应该有研 究价值
上述每种分类方式所探明的价值,会使将来的矿究工 作可能更好地揭示出新的价值和分类方式。实降上, 我们对所有可能的机器学习技术组成的各种模場仅作 了很少的探查,只是对其部分的了解,现存的器学 习模块由于只代表了少量可能的组合。 第7章相关机器学习
第7章 相关机器学习 上述每种分类方式所探明的价值，会使将来的研究工 作可能更好地揭示出新的价值和分类方式。实际上, 我们对所有可能的机器学习技术组成的各种模块仅作 了很少的探查, 只是对其部分的了解, 现存的机器学 习模块由于只代表了少量可能的组合
由于我们以学习者对所提供的信息做的推理量来划 分学习策略,所以首先考虑两种边界情况:即学习 者不作任何推理与学习者进行大量的推理两种背况。 如果一个计算机系统,其知识的增加是直接靠扁程 实现的,那么它增加知识,不做何推理,而人知 工作完全靠程序员。这是一种边界情况;相反地,如 果一个系统独立地发现新的理论或发明新的概, 那么它必须做大量的推理, 第7章相关机器学习
第7章 相关机器学习 由于我们以学习者对所提供的信息做的推理量来划 分学习策略, 所以首先考虑两种边界情况：即学习 者不作任何推理与学习者进行大量的推理两种情况。 如果一个计算机系统, 其知识的增加是直接靠编程 实现的, 那么它增加知识, 不做任何推理，而认知 工作完全靠程序员。这是一种边界情况；相反地, 如 果一个系统独立地发现新的理论或发明新的概念， 那么它必须做大量的推理