人工智能原理复习--机器学习

上一篇

人工智能原理复习–搜索策略（二）

机器学习概述

学习系统的基本结构：

环境

学习

知识库

执行

环境向系统的学习部分提供某些信息
学习利用这些信息修改数据库，以怎金系统执行部分完成任务的效能
执行部分根据知识库完成任务，同时把获得的信息反馈给学习部分

最重要的因素是`环境向系统提供的信息

机器学习分类：

• 监督学习：决策树、支持向量机（SVM）、k-临近算法(KNN)
• 无监督学习：k-均值、DBSCAN密度聚类算法、最大期望算法
• 强化学习：环境，奖励，状态 ，动作–> 状态奖励

归纳(示例)学习

归纳学习是一种通过观察和分析现象，发现其中规律和模式，并据此进行预测和决策的方法。归纳学习的基本思想是通过从数据样本中归纳出一般性规律或模式，从而实现对未知数据的预测和分类。

归纳学习是通过一系列的示例（正例和反例）出发，生成一个反映这些示例本质的定义：

• 覆盖所有的正例，而不包含任何反例
• 可用来指导对新例子的分类识别

归纳学习过程可以分为以下几个步骤：

1. 数据采集：收集需要学习的数据样本。
2. 特征提取：从数据样本中提取出有用的特征，用于归纳学习。
3. 模型训练：使用归纳学习算法从数据样本中归纳出一般性规律或模式。
4. 模型评估：使用测试数据对归纳模型进行评估，计算出模型的准确率和误差。
5. 模型应用：使用归纳模型对新的数据进行分类或预测。

概念描述搜索及获取

• 例子空间：所有可能的正例、反例构成的空间
• 假设空间：所有可能的假设（概念描述）构成的空间
• 顶层假设：最泛化的概念描述，不指定任何的特征值
• 底层假设：最特化（具体）的概念描述，所有特征都给定特征值
• 假设空间的搜索方法：1、特化搜索（宽度优先，自顶向下） 2、泛化搜索（宽度优先，自底向上） 3、双向搜索（版本空间法）

ID3决策树算法

信息的定量描述
衡量信息多少的物理量称为信息量：

• 若概率很大，受信者事先已有所估计，则该消息信息量就很小
• 若概率很小，受信者感觉很突然，该信息所含信息量就很大

使用信息量函数 $f(p)$描述，$f(p)$条件：

• $f(p)$ 应是p的严格单调递减函数
• 当p = 1时，$f(p)=0$, 当p = 0时， $f(p)=\infty$
• 当两个独立事件的联合信息量应等于他们分别的信息量之和

信息量定义 :若一个消息 $x$ 出现的的概率为 $p$, 则这一消息所含信息量为：
$$I=-\log p$$

单位：

• 以2为底，单位 $bit$ (常用)
• 以e为底，单位 $nat$
• 以10为底，单位 $hart$

信息熵
所有可能消息的平均不确定性，信息量的平均值
$$H(X)=-\sum p(x_i)\log (p(x_i))$$

定义：

• $M(C)$ 为根节点总的信息熵
• $B(C,A)$ 为根据A属性分类后的加权信息熵的和，每一类占全部的比例作为加权，将分完之后的信息熵加权求和
• $gain=M(C)-B(C,A)$信息增益，信息增益越大越好

分别求出每个属性的信息增益，然后将最大的作为这个节点的分类属性

步骤：

1. 首先求出根节点的信息熵
2. 然后按每个特征求出对应的信息增益
3. 比较得出最大的信息增益的特征作为给节点的划分属性
4. 循环1-3步直到将全部类别分开，或者划分比例达到要求值

d
ID3算法
优点：

1. 计算复杂度不高
2. 输出结果易于理解
3. 可以处理不相关特征数据

缺点：

1. 不能处理带有缺失值的数据集
2. 在进行算法学习之前需要对数据集中的缺失值进行预处理
3. 存在过拟合问题

K近邻算法

一种监督学习分类算法，没有学习过程，在分类时通过类别已知的样本对新样本的类别进行预测。

基本思路：

1. 通过以某个数据为中心，分析离其最近的K个邻居的类型，获得该数据可能的类型
2. 以少数服从多数的原理，推断出测试样本的类别

只要训练样本足够多，K近邻算法就能达到很好的分类效果

• 当K = 3时，即选择最近的3个点，由于三角形样本所占近邻样本的比例为2/3，于是可以得出圆形输入实例应该为三角形
• 当K = 5时，由于长方形样本栈近邻样本比例为3/5，此时测试样本被归为长方形类别。

步骤：

1. 计算测试数据与每个训练数据之间的距离
2. 按照距离的递增关系进行排序
3. 选取距离最小的k个点
4. 确定前k个点所在类别的出现频率
5. 返回前k个点中出现频率最高的类别做为测试数据的预测分类

优点：

• 简单，便于理解和实现
• 应用范围广
• 分类效果好
• 无需进行参数估计

缺点：

• 样本小时误差难以估计
• 存储所有样本，需要较大存储空间
• 大样本计算量大
• k的取值对结果也有较大影响（k较小对噪声敏感，k过大可能包含别的类样本）

下一篇

未完待续

`