1、7.1 机器学习的定义、研究意义与发展历史机器学习的定义、研究意义与发展历史 7.2 机器学习的主要策略与基本结构机器学习的主要策略与基本结构7.3 7.7 几种常用的学习方法几种常用的学习方法7.8 知识发现知识发现7.9 小结小结3 7.1 7.1 机器学习的定义和发机器学习的定义和发展历史展历史7.1.1 机器学习的定义机器学习的定义机器学习的定义机器学习的定义 顾名思义顾名思义,机器学习是研究如何使用机机器学习是研究如何使用机器来模拟人类学习活动的一门学科。稍器来模拟人类学习活动的一门学科。稍为严格的提法是：机器学习是一门研究为严格的提法是：机器学习是一门研究机器获取新知识和新技机器获
2、取新知识和新技 能能,并识别现有并识别现有知识的学问。知识的学问。47.1.27.1.2机器学习的发展史机器学习的发展史机器学习的发展分为机器学习的发展分为4 4个时期个时期 第一阶段是在第一阶段是在5050年代中叶到年代中叶到6060年代中年代中叶叶，属于热烈时期。，属于热烈时期。第二阶段在第二阶段在6060年代中叶至年代中叶至7070年代中叶年代中叶，被称为机器学习的冷静时期。被称为机器学习的冷静时期。第三阶段从第三阶段从7070年代中叶至年代中叶至8080年代中叶年代中叶，称为复兴时期。称为复兴时期。机器学习的最新阶段始于机器学习的最新阶段始于19861986年年 。7.1 机器学习的定
3、义和发展历史5w 机器学习进入新阶段的表现机器学习进入新阶段的表现机器学习机器学习已成为新的边缘学科并在高校已成为新的边缘学科并在高校形成课程。形成课程。综合各种学习方法综合各种学习方法 机器学习与人工智能问题机器学习与人工智能问题的统一性观点的统一性观点正在形成。正在形成。各种学习方法的应用范围不断扩大。各种学习方法的应用范围不断扩大。数据挖掘和知识发现数据挖掘和知识发现的研究已形成热潮的研究已形成热潮 。与机器学习有关的学术活动空前活跃与机器学习有关的学术活动空前活跃 。7.1 机器学习的定义和发展历史67.2 7.2 机器学习的主要策略和机器学习的主要策略和基本结构基本结构 7.2.1
4、机器学习的主要策略机器学习的主要策略 按照学习中使用推理的多少，机器学按照学习中使用推理的多少，机器学习所采用的策略大体上可分为习所采用的策略大体上可分为4 4种种机械学习、传授学习、类比学习机械学习、传授学习、类比学习和和示示例例学习。学习。机械学习（死记硬背）机械学习（死记硬背）传授学习（灌输；推理、翻译、转传授学习（灌输；推理、翻译、转化）化）类比学习（模仿；寻找相似的案例）类比学习（模仿；寻找相似的案例）示示例例学习（举一反三学习（举一反三,归纳，抽象归纳，抽象）77.2.2 机器学习系统的基本结构机器学习系统的基本结构 1.学习系统的基本结构 环环 境境学学 习习知识库知识库执执 行
5、行图图6.1 6.1 学习系统的基本结构学习系统的基本结构7.2 机器学习的主要策略和基本结构82.2.影响学习系统设计的要素影响学习系统设计的要素影响学习系统设计的最重要因素是影响学习系统设计的最重要因素是环境环境向系统提供的信息向系统提供的信息，或者更具体地说是，或者更具体地说是信息的质量信息的质量。知识库知识库是影响学习系统设计的第二个因是影响学习系统设计的第二个因素。素。知识的表示有特征向量、一阶逻辑知识的表示有特征向量、一阶逻辑语句、产生式规则、语义网络和框架等语句、产生式规则、语义网络和框架等多种形式。多种形式。选择知识表达方式的四原则：选择知识表达方式的四原则：表达能力表达能力推
6、理能力推理能力修改能力修改能力扩展能力扩展能力7.2 机器学习的主要策略和基本结构97.3 7.3 机械学习机械学习1.1.机械学习模式机械学习模式 机械学习是最简单的学习方法。机机械学习是最简单的学习方法。机械学习就是记忆，即把新的知识存储起械学习就是记忆，即把新的知识存储起来，供需要时检索调用，而不需要计算来，供需要时检索调用，而不需要计算和推理。它是一种最基本的学习过程。和推理。它是一种最基本的学习过程。特点：忽略推理、计算过程，提高效率特点：忽略推理、计算过程，提高效率 7.3 机械学习10存储存储计算计算推导推导归纳归纳算法与理论算法与理论机械记忆机械记忆搜索规则搜索规则图图7.2
7、7.2 数据化简级别图数据化简级别图 LenatLenat，Hayes-RothHayes-Roth，和，和KlahrKlahr等人于等人于19791979年关于机械学习提出一种有趣的年关于机械学习提出一种有趣的观点，见图观点，见图7.27.2。7.3 机械学习112.2.机械学习的主要问题机械学习的主要问题存储组织信息存储组织信息：要采用适当的存储方式，要采用适当的存储方式，使检索速度尽可能地快。使检索速度尽可能地快。提高检索效率：索引、排序、杂凑提高检索效率：索引、排序、杂凑 环境的稳定性与存储信息的适用性问题：环境的稳定性与存储信息的适用性问题：机械学习系统必须保证所保存的信息适机械学习
8、系统必须保证所保存的信息适应应于外界环境变化的需要。于外界环境变化的需要。知识过时，设置有效期知识过时，设置有效期存储与计算之间的权衡：存储与计算之间的权衡：对于机对于机械学习来械学习来说很重要的一点是它不能降低系统的效率。说很重要的一点是它不能降低系统的效率。重新计算比检索更省有效率时，失去意义；重新计算比检索更省有效率时，失去意义；方法：设置存储量阀值；选择忘却方法：设置存储量阀值；选择忘却7.3 机械学习12 7.4 归纳学习归纳学习归纳学习（归纳学习（induction learning）是应用归）是应用归纳推理进行学习的一种方法。根据归纳学纳推理进行学习的一种方法。根据归纳学习有无教
9、师指导，可把它分为示例学习和习有无教师指导，可把它分为示例学习和观察与发现学习。（从个别到一般）观察与发现学习。（从个别到一般）7.4.1 归纳学习的模式和规则归纳学习的模式和规则 归纳学习的模式归纳学习的模式 其一般模式如下：其一般模式如下：给定：观察陈述（事实）给定：观察陈述（事实）F，假定的初始断言（可能，假定的初始断言（可能为空），背景知识（领域知识，约束，假设，优先为空），背景知识（领域知识，约束，假设，优先准则）准则）求：归纳断言（假设）求：归纳断言（假设）H13w 假设H永真蕴涵事实F，说明F是H的逻辑推理，则有：H|F 或 F|H；w 选择型概括，构造性概括：选择性概括规则：取
10、消部分条件 放松条件 沿概念树上溯 形成闭合区域 将常量转化成变量 解释过程 实例空间 规则空间 规划过程 147.4.2 归纳学习方法归纳学习方法w 1.示例学习（learning from examples）动物识别中医诊断w 2.观察发现学习（learning from observation and discovery）观察学习：事例聚类，形成概念描述；机器发现：发现规律，产生定理或规则；157.5 类比学习类比学习7.5.1 类比推理和类比学习方式类比推理和类比学习方式 类比学习（类比学习（learning by analogy）就是通）就是通过类比，即通过对相似事物加以比较所过类比
11、，即通过对相似事物加以比较所进行的一种学习进行的一种学习。其推理过程如下其推理过程如下 ：回忆与联想回忆与联想 选择选择 建立对应关系建立对应关系转换转换 P(a)P(a)Q(a),P(a)Q(a),P(a)P(b)Q(b)Q(a)P(b)Q(b)Q(a)167.5.2 类比学习过程与研究类型类比学习过程与研究类型w类比学习主要包括如下四个过程：类比学习主要包括如下四个过程：1.输入一组已知条件和一组未完全确输入一组已知条件和一组未完全确定的条件定的条件。2.对两组出入条件寻找其可类比的对对两组出入条件寻找其可类比的对应关系。应关系。3.根据相似转换的方法，进行映射。根据相似转换的方法，进行映
12、射。4.对类推得到的知识进行校验。对类推得到的知识进行校验。7.5 类比学习17w类比学习的研究可分为两大类类比学习的研究可分为两大类：(1)问题求解型的类比学习问题求解型的类比学习 (2)预测推定型的类比学习。它又分预测推定型的类比学习。它又分为两种方式为两种方式：一是传统的类比法一是传统的类比法 另一是因果关系型的类比另一是因果关系型的类比 7.5 类比学习187.6 解释学习解释学习(explanation-based learning)7.6.1 解释学习过程和算法解释学习过程和算法 19861986年米切尔（年米切尔（MitchellMitchell）等人为基于）等人为基于解释的学习
13、提出了一个统一的算法解释的学习提出了一个统一的算法EBGEBG：训练例子 操作准则 知识库 新规则 目标概念19EBG求解问题的形式可描述于下求解问题的形式可描述于下:给定：给定：(1)目标概念描述目标概念描述TC；(2)训练实例训练实例TE；(3)领域知识领域知识DT；(4)操作准则操作准则OC。求解：求解：训练实例的一般化概括，使之满足：训练实例的一般化概括，使之满足：(1)目标概念的充分概括描述目标概念的充分概括描述TC；(2)操作准则操作准则OC。7.6 解释学习207.7 神经学习神经学习7.7.1 基于反向传播网络的学习基于反向传播网络的学习 反向传播反向传播（back-propa
14、gation,BP）算）算法是一种计算单个权值变化引起网络法是一种计算单个权值变化引起网络性能变化值的较为简单的方法。性能变化值的较为简单的方法。BP算算法过程包含从输出节点开始，反向地法过程包含从输出节点开始，反向地向第一隐含层传播由总误差引起的权向第一隐含层传播由总误差引起的权值修正。值修正。21BP算法算法w 网络模型：网络模型：w BP网络的前向计算关系：网络的前向计算关系：以三层网络为例，以三层网络为例，n个输入结点，个输入结点，m个输出结点，个输出结点，H个隐层结个隐层结点，训练样本由（点，训练样本由（xk，dk）（）（k=1,2p）组成训练对，转移）组成训练对，转移函数微函数微f
15、（）（）当输入第当输入第k个样本数据时隐层结点个样本数据时隐层结点h与输出层结点与输出层结点j的加权和的加权和与输出分别为：与输出分别为：x1x2xny1y2ymWihWhjd1e2dme1emyh(k)xi(k)yj(k)()()(iihihhWkxfkSfkyiihihWkxkS)()()()()(iihihhjhhjhjWkxfWWkykS)()()()(iihihhjhhjhjjWkxfWfWkyfkSfky22w BP算法的权值调整方法：令输出结点家j的误差为 则k个训练样本的误差平方和为性能指标隐层到输出层的权值调整（梯度法）：输入层到隐层的权值调整（梯度法）：w BP网络的训练步
16、骤：用小随机数初始化网络各层权值；样本数据输入；误差计算；权值变化量计算；权值调整)()()(kykdkejjj22)()(21)(21)(kjjjkjjkykdkeWJ)()()()()()()(kykkykSfkykdWWJhkjhjkjjhj)()()(kSfkekjjj其中khjhjhjkykWWJW)()()()()()()()()()()(,kxkkxkSfWkSfkykdWWJikhihhjjjkjjihjjhjhhkWkSfk)()()(其中kihihihkxkWWJW)()()(237.7.2 基于基于Hopfield网络的学习网络的学习 反馈神经网络，它是一种动态反馈系反馈
17、神经网络，它是一种动态反馈系统，比前馈网络具有更强的统，比前馈网络具有更强的计算能力。计算能力。HopfieldHopfield网络是一种具有正反相输出网络是一种具有正反相输出的带反馈人工神经元。的带反馈人工神经元。7.7 神经学习24反馈型神经网络（Hopfield网络）w Hopfield网络结构w Hopfield离散随机网络是Hopfield于1982提出的，1984年又提出了连续时间模型。一般在进行计算机仿真时采用离散模型，而在硬件实现时采用连续模型。w Hopfield网络的重要意义；f(.)f(.)f(.)I1I2InVnV2V1W2nW22W1225w 一种特定的Hopfiel
18、d离散网络的特性（CAM）f(.)=sign(.)网络计算：Hopfield证明当WijWji，网络是收敛的。数据网络演变方式：同步与异步网络的稳定性：稳定吸引子、极限环状态、状态发散w Hopfiled算法：（1）设置互联权值 具有m个样本，x为输入样本变量，为1或-1的n维向量；（2）对未知类别的采样初始化yi(0)=xi 0=i=n-1（3）迭代运算：（4）网络收敛，则结束；否则转（2）)(,jijiiijjIVWsignV1,0,0,10njijijixxWmssjsiij10),)()1(10njtyWftyniiiji267.8 知识发现知识发现7.8.1 知识发现的发展和定义知识
19、发现的发展和定义 知识发现的产生和发展知识发现的产生和发展 知识发现最早是于知识发现最早是于1989年年8月在第月在第11届国际人工届国际人工智能联合会议的专题讨论会上提出。智能联合会议的专题讨论会上提出。知识发现的定义知识发现的定义 数据库中的知识发现是从大量数数据库中的知识发现是从大量数 据中辨识出有据中辨识出有效的、新颖的、潜在有用的、并可被理解的效的、新颖的、潜在有用的、并可被理解的 模模式的高级处理过程式的高级处理过程。数据集、新颖、潜在有用、可被人理解的、模数据集、新颖、潜在有用、可被人理解的、模式、高级过程式、高级过程277.8.2 知识发现的处理过程知识发现的处理过程 1.数据
20、选择数据选择。根据用户的需求从数据。根据用户的需求从数据库中提取与库中提取与KDD相关的数据。相关的数据。2.数据预处理数据预处理。主要是对上述数据进。主要是对上述数据进行再加工，检查数据的完整性及数据行再加工，检查数据的完整性及数据的一致性，对丢失的数据利用统计方的一致性，对丢失的数据利用统计方法进行填补，形成发掘数据库。法进行填补，形成发掘数据库。7.8 知识发现283.数据变换数据变换。即从发掘数据库里选择。即从发掘数据库里选择数据数据4.4.数据挖掘数据挖掘。根据用户要求，确定。根据用户要求，确定KDDKDD的目标是发现何种类型的知识。的目标是发现何种类型的知识。5.5.知识评价知识评
21、价。这一过程主要用于对所获。这一过程主要用于对所获得的规则进行价值评定，以决定所得得的规则进行价值评定，以决定所得的规则是否存入基础知识库。的规则是否存入基础知识库。7.8 知识发现297.8.3 知识发现的方法知识发现的方法 1.统计方法：统计方法是从事物的外在数量上统计方法：统计方法是从事物的外在数量上的表现去推断该事物可能的规律性。的表现去推断该事物可能的规律性。（1）传统方法：）传统方法：收集数据，分析数据，进行推理（回归分析，收集数据，分析数据，进行推理（回归分析，判别方法，聚类分析，探索性分析）判别方法，聚类分析，探索性分析）（2）模糊集）模糊集（3）支持向量机（）支持向量机（SV
22、M）（4）粗糙集：）粗糙集：具有三值隶属函数的模糊集，肯定属于、也许具有三值隶属函数的模糊集，肯定属于、也许属于、肯定不属于该概念。属于、肯定不属于该概念。7.8 知识发现302.机器学习方法机器学习方法（1）规则归纳）规则归纳 如：如：AQ算法算法（2）决策树）决策树（3）范例推理）范例推理（4）贝叶斯信念网络）贝叶斯信念网络（5）科学发现）科学发现 如：如：BACON系统系统（6）遗传算法）遗传算法 3.神经计算方法神经计算方法(MLP、BP、Hopfield、RBF)4.可视化方法可视化方法：可视化（：可视化（visualization）就是把数据、信息和知识转化为可就是把数据、信息和知
23、识转化为可视的表示形式的过程。视的表示形式的过程。317.8.4 知识发现的应用知识发现的应用 知识发现已在许多领域得到应用。现知识发现已在许多领域得到应用。现在，知识发现已在银行业、保险业、在，知识发现已在银行业、保险业、零售业、医疗保健、工程和制造业、零售业、医疗保健、工程和制造业、科学研究、卫星观察和娱乐业等行业科学研究、卫星观察和娱乐业等行业和部门得到成功应用，为人们的科学和部门得到成功应用，为人们的科学决策提供很大帮助。决策提供很大帮助。7.8 知识发现32w 金融（1）市场分析与预测（2）帐户分类、信用评估w 保险（1）潜在客户评估、分析（2）索赔合理性分析w 制造业（生产过程优化
24、）w 市场与零售业（销售、库存、需求、零售点、价格等的分析与预测）w 医疗业（医疗诊断）w 司法（FAIS系统，识别洗钱、诈骗、犯罪分析）w 工程与科学（星体发现）33 7.9 小结小结 本章只对机器学习作个入门介绍。本章只对机器学习作个入门介绍。机器学习在过去十多年中获得较大机器学习在过去十多年中获得较大发展。今后机器学习将在理论概念、计发展。今后机器学习将在理论概念、计算机理、综合技术和推广应用等方面开算机理、综合技术和推广应用等方面开展新的研究。其中，对结构模型、计算展新的研究。其中，对结构模型、计算理论、算法和混合学习的开发尤为重要。理论、算法和混合学习的开发尤为重要。在这些方面，有许多事要做，有许多新在这些方面，有许多事要做，有许多新问题需要人们去解决问题需要人们去解决。
