(2)正、反例都用 在这种情况下、正例促成产生概念,反例则用来防止概念对比所 归纳出的概念决不应该如此广泛而包含任何反例)。这是从例子中学习 的典型方式 从例子中学习,可以是一次性的试验,也可以是逐渐积累的。前一种 情况下,所有的例子一次给出,在后一种情军下,系统借助有的数据 次或者多次形成概念(或者概念的范畴)假定,在考虑增加例子之 后,相继改进上述假定。积累的方法更接近人类的学习方法它允 许学习者使用已学会的部分概念(用来应用或引导例子产生过),并可 以使教师抛开细节,先教授新概念的基本方面。但另一方面,次性的 方式一般不容易在形成新概念的核心部分时,由于选取了不当的初 始例子,而使学习者走上歧路。 第7章相关机器学习
第7章 相关机器学习 （2）正、反例都用 在这种情况下、正例促成产生概念, 反例则用来防止概念扩大化（所 归纳出的概念决不应该如此广泛而包含任何反例)。这是从例子中学习 的典型方式。 从例子中学习, 可以是一次性的试验，也可以是逐渐积累的。在前一种 情况下，所有的例子一次给出，在后一种情况下，系统借助有用的数据 一次或者多次形成概念（或者概念的范畴）的假定，在考虑增加例子之 后，相继改进上述假定。积累的方法更接近于人类的学习方法, 它允 许学习者使用已学会的部分概念(用来应用或引导例子产生过程), 并可 以使教师抛开细节，先教授新概念的基本方面。但另一方面，一次性的 方式一般不容易在形成新概念的核心部分时, 由于选取了不恰当的初 始例子, 而使学习者走上歧路
7.1.5通过观察和发现学习 这是归纳型学习中一种很常见的形式。它包括发现系练理论 形成任务、建立分类标准、形成分类法次结构以及在无外界教 师的帮助下完成其它一些类似的工作。这种非受控的习形式 比起前面讨沦过的所有方法,需要学习者进行更多的推理,它 没有给学习者提供特定概念的实例,也没有提供如何内部产 生的例子归类到某一给定概念的正例或反例的途径。可且,每 次的观察并不限定在单一概念上,可以同时涉及几个将要获取 的概念,因此,引入了集中注意力的问题。可以根据卓外部环 境相互作用的程度,将根据观察学习进行分类。 第7章相关机器学习
第7章 相关机器学习 7 . 1 . 5 通过观察和发现学习 这是归纳型学习中一种很常见的形式。它包括发现系统、理论、 形成任务、建立分类标准、形成分类法次结构以及在无外界教 师的帮助下完成其它一些类似的工作。这种非受控的学习形式 比起前面讨沦过的所有方法, 需要学习者进行更多的推理, 它 没有给学习者提供特定概念的实例，也没有提供如何将内部产 生的例子归类到某一给定概念的正例或反例的途径。而且，每 次的观察并不限定在单一概念上, 可以同时涉及几个将要获取 的概念, 因此，引入了集中注意力的问题。可以根据与外部环 境相互作用的程度，将根据观察学习进行分类
这方面两种极端情况是: (1)被动观察 学习者把从环境中得到的多方的观察现象进行分类; (2)主动实验 学习者主动变动一下环境,观察其变动结果,可能遵循的目标的普遍 准则,随机地、动态地收集经验,也可能根据理论限制强有力导出 经验。当一个系统获取知识和假设出一定的理论后,或许会要证实 或否定其理论。这种需要的提出要求用杯同的观察和实验策峰来考 查其环境。 这种方式的学习涉及例子的生成,并用来检验所假设的或部分灰得的 概念 第7章相关机器学习
第7章 相关机器学习 这方面两种极端情况是： （1）被动观察 学习者把从环境中得到的多方的观察现象进行分类； （2）主动实验 学习者主动变动一下环境, 观察其变动结果，可能遵循的目标的普遍 准则，随机地、动态地收集经验, 也可能根据理论限制强有力地导出 经验。当一个系统获取知识和假设出一定的理论后, 或许会要求证实 或否定其理论。这种需要的提出, 要求用不同的观察和实验策略来考 查其环境。 这种方式的学习涉及例子的生成，并用来检验所假设的或部分获得的 概念
7.2从例子中学习 7.2.1从例子中学习的若干问题 归纳学习的过程就是寻求合情的一般化描述(归纳断言)的过程。这种 般化描述能够解释给定的输入数据,并且可用来预测新的数据为了便 于编写计算机程序,把这种描述形式化,必须使用一种恰当的播述语言 对于任何一组输入数据和一个有效的描述语,应能够把大量归纳断 言形式化。这些归纳断言组成一个由相对十斛关系确定的半序泰系的描 述集。该集合中最小的元素在给定的语言中是输入特殊的描述最大 元素是输入数据的最一般描述。这个集合的元素可以这样得到先从最 特定的描述开始,然后,反复运用妇纳规则来产生更一般的描。 第7章相关机器学习
第7章 相关机器学习 7 . 2 从例子中学习 7 . 2 . 1 从例子中学习的若干问题 归纳学习的过程就是寻求合情的一般化描述(归纳断言)的过程。这种一 般化描述能够解释给定的输入数据，并且可用来预测新的数据。为了便 于编写计算机程序，把这种描述形式化，必须使用一种恰当的描述语言。 对于任何一组输入数据和一个有效的描述语言，应能够把大量的归纳断 言形式化。这些归纳断言组成一个由相对一般关系确定的半序关系的描 述集。该集合中最小的元素在给定的语言中是输入特殊的描述, 最大 元素是输入数据的最一般描述。这个集合的元素可以这样得到，先从最 特定的描述开始，然后, 反复运用妇纳规则来产生更一般的描述
把归纳看作对一般化了的描述空间的搜索,必须注意下列与学习有关的 几个问题: (1)表示 什么样的描述语言能用来表示输入例子和将归纳断言形式化,个方法 能够学习的归纳断言,其形式可能是什么?在这些形式中要用些什么 (2)描述类型探索 应该了解归纳断言形式化的目的是什么?特对于那个产生数据的主 要过程,归纳法作了什么样的假设? (3)一般化描述规则 为了产生归纳断言,对输入数据和中间描述,需要进行哪些种者的转换? 这是构造这方面规则所要认真考虑的。 第7章相关机器学习
第7章 相关机器学习 把归纳看作对一般化了的描述空间的搜索, 必须注意下列与学习有关的 几个问题： （1）表示 什么样的描述语言能用来表示输入例子和将归纳断言形式化，一个方法 能够学习的归纳断言，其形式可能是什么? 在这些形式中要用到些什么? （2）描述类型探索 应该了解归纳断言形式化的目的是什么? 特别对于那个产生数据的主 要过程, 归纳法作了什么样的假设? （3）一般化描述规则 为了产生归纳断言, 对输入数据和中间描述, 需要进行哪些种类的转换？ 这是构造这方面规则所要认真考虑的