机器学习的分类标准是什么
-
田*园
2018-02-01 11:28:26
1．知识表示方法 问题求解模块的结构是怎样一种形式？在那里用到的知识又 是怎样表示的呢？— 4, 1 关于学习和机器学习 53 由于知识表示存在着可能相互变换 的情况 ，所 以学 习的本质上的分类标准不可能得到 ，但是在参数 表示、神经 网络 、决策树等方法中，由于在记述上是一种强限制的表示 ，所以它们各 自形 成为一种单独的学 习范例 。
2．依 靠学习强化对 象 用什么样的观点提高媒体的能力呢？ 增加知识量 （增大解决问题 的范围）； 增大响应速度 ； 精练的知识记述； 增加正确的回答率 。 以前 ，所谓机器学习与上述第一项中列举 的，以增加知识量为目标 的研究 ，几乎是一样的 ，那 时，希望与现实之间存在着相当大的距离。近年来 ，上述其他各项 内容 已成 为被 重视 的观点 。响应速度的增大 ，与在限定 的时间内，能够处理多少 问题这种能力的提高密切相关。同样 ，在记忆 容量受到限制的情况下 ，能对知识的整理精练到何种程度 ，是和能与多少种类 的问题相适应密切相关 的。另外 ，以前都是把学习没有错误的完全的知识作为前提的 ，但是实际上允许知识 的不完全性 ，所以便 出现了正确 的回答率这种观点 。
3．从外界得到的信息 从外界得到什么样 的信息？这些信息又是怎样得到的呢？ 首先 ，在学习中存在着 有教师的学习（supervised learning) ; 无教师的学习（unsupervised learning). 虽然教师和学生是具有共 同 目的的行 为媒体 ，但是哪一方处于主导地位呢？ 教师给学生提供信息 （教师主导型）； 教师回答学生提出的问题（学生主导型）； 双方根据需要边提 问边讲授 （交互型）。 另外 ，当考虑把教师提供 的信息 与学习 目标 的知识进行 比较时，有 一般化了的情况； 特殊化了的情况 ； 提供的正是学习 目标的知识本身的情况。 所谓一般化了的情况，比如在零博奕的情况下，提供“请先占据棋盘角落”这样一种建议 ，就属于这种情况。这种策略在棋赛终盘时是不适当的，因此学习者应对规则的适用条件作严格的规定 ， 从而有必要对知识进行 特殊化处理 。反之，对于所谓 特殊化了的 情况 ，只有像“这个是椅子”、“那个也是椅子”这样表示的具体例子 才是合适 的。当对提供 给学 习者的具体例子进行一般化 处理时， 必须得到关于什么是椅子的规则的记述。 在没有教师的情况下，学生对外界产生作用行为时，与有教师 的情况是不同的，这时
无法知道学生的行为是正确的还是错误 的， 就像人们无法听到天堂的声音那样 。但是，作为一种替代方式，可 以把成功和失败 以自己的愉快感觉或痛苦感觉形式 进行 反馈，然 后以此为基础 ，就可 以确定学习到正确的行动规则 。 另外 ，作为给予（获得）信息的另外一些方式 ，也可以得到下列 分类 ： · 根据学习情况 ，一次次提供信息的场合 ； · 一次全部集中提供信息的场合 。
4 先验知识和偏移 如何提取先验知识与学习结果得到的知识之间的关系呢？这 种关 系对于能够学习的知识来说 ，也是一种标准和方针。 一般来说 ，学 习者具备哪方面的先验 知识呢？对于获得的信 息 ，学 习者应当试一试 ，看看用 自己具有的先验 知识能否对其进行 说明，并且从不能说明的情况开始，学习相应的补充性知识 ，这称 为知识调节（knowledge accommodation)。另外，由学习而生成的 知识与先验知识不发生矛盾 ，并且对知识的总体进行系统的整理 ， 这是人们最希望做到的。这种对知识 库管理上的调整 ，称为知识 同化（knowledge assimilation). 这样 ，可 以得 到的知识或规则应具有的性质 ，以及对其记述的 限制 ，一般的就称之为偏移（bais)。先验知识也是偏移 的一部 分。 例如，基于说明的学习，是根据领域 的知识对给出的具体例子进行 说明，并且是在使这个过程一般化 的形式上的学 习。因此 ，什么是 可以学习的，在很大程度上取 决于领域知识 ，即取决于先 验知识 。 此外 ，从几个可能导出的适当的候补规则 中，选择出若于个特定的 规则时，必须有标准（operationality criterion，操作性规范）。领域 知识和操作性规范就是基于说明的学习的偏移 。
5．推理（知识获取）方法 应用什么样的推理方法能创造新的知识呢？当我们应用下述方法时，是 可以创造新知识的。 演绎推理 ； 归纳推理 ； 构想 ，类推； 发现等等 。 当谈到机器学习时，人们会默认，这指的是源于示例的归纳推理时期 的方法 ，历史上人们看到的最多的研究例子 ，是基于归纳推理的学 习。然而归纳推理是一种正确性得不 到保证的推理 。类推和发现也同样是这样 ，有关这些方法的完善的理论体系 ，目前 尚未建立起来。与这些方法相对应 ，演绎推理虽然在逻辑 意义 上不创造新知识 ，但却是一种正确性得到了保证的推理方式 ，而且因为它已进入到 自动化阶段 ，所以有很高的实用价值 。