|
【章节小结】
实例学习是一种归纳学习，给定概念的一些实例，并告知哪些是正例，哪些是反例，通过归纳学习给出这一概念（规则）的描述，要求这概念能覆盖所有正例，而不覆盖任一反例。
在实例学习的两个空间模型中，首先由施教者提供例子空间中的一些初始示教例子，然后，程序进行解释例子，即将例子空间中的表示转换为规则空间中的表示，利用解释后的例子去搜索规则空间，往往不能一次从规则空间中找到要求的规则，因此，需要寻找和使用一些新的例子，这就是选择例子。
按规则空间搜索方法，实例学习可以分为变型空间方法、改进假设方法、产生与测试方法、方案示例方法。
变型空间方法以整个规则空间为初始的假设规则集合H。依据施教例子中的信息，对H进而进行一般化或特殊化处理，逐步缩小集合H。最后使H收敛为只含有要求的规则。变型空间方法的缺点抗干扰能力差、不能学习某些析取概念。改进假设方法是一种数据驱动方法，用改进操作来修改规则空间中的假设，根据示教例子用启发式方法选择这些操作。产生与测试方法是一种模型驱动方法，具有抗干扰性好的优点，但不能逐步接受新例子并修改概念。主要有INDUCE1.2算法，是由示教正例学习单个概念。方案示例方法是另一种模型驱动方法，常用于理解性任务。方案示例方法的优点是可以很快找到要求的规则、抗干扰性好，缺点是难以划分出几种方案，需要有专用算法等。
在学习多个概念时，由环境提供给程序几个概念各自的示教例子，程序由此得到几个概念。学习多个概念中的主要问题是概念描述的重迭，也就是各规则条件部分的重迭。学习如何完成多步任务就是选择一个规划去完成任务。学习多步任务有两个难点，一个是由于规则必须一起使用，所以在修改知识库时要考虑规则间的相互影响。另一个难点是奖惩分配问题。AQ11和ID3是有代表性的实例学习算法。
基于解释的学习是近年出现的一种机器学习方法，是一种分析式学习，只通过一个实例，依领域知识库，来构造求解过程的因果解释，从而取得控制知识。实际上，这个解释过程是依知识库的知识来证明该实例属于某个概念。但这基本上是演绎推理，只是在一般化时采用了归纳原理。获得控制规则过程中，涉及到可操作性的概念，满足可用和效应这两点的知识才是可操作的。
【课后习题】
1． 实例学习有几个环节构成？
各有什么作用？
怎样通过正例和反例在规则空间中求得规则？
2． 有4个实例
 |
|
能给个算法归纳出A1, A2, A3, A4的共同属性吗？
3． 试以四张扑克牌的输入集为正反例，依变形空间的搜索方法来学习同花概念的过程。
4． 怎样通过正例和反例在规则空间求得规则
5． 归纳原理体现在哪些方面
6． BACON是怎样发现开普勒定律的
7． AQ11学得多个概念的原理是什么
ID3学习算法的基本思想。
8．解释学习怎样求得控制知识的