機器學習習題解答

1、第八章機器學習8.2 答：（1） 學習是一項復雜的智能活動，學習過程與推理過程是緊密相連的學習中所用的推理越多，系 統(tǒng)的能力越強（2） 機器學習是一門研究機器獲取新知識和新技能，并識別現有知識的學問機器”一-算機（電子,以后還可能是中子計算機、光子計算機或神經計算機等）8.3答：機器學習系統(tǒng)的結構及基本功能當監(jiān)督環(huán)節(jié)為示教人時，為示教式學習系統(tǒng)；當監(jiān)督環(huán)節(jié)為監(jiān)督器時，為自學式學習系統(tǒng)。 知識庫 存儲（記憶）、積累知識長期記憶（LTM ） 先驗知識背景 如事物的基本概念和定義、定律和公理，博弈的基本規(guī)則等中期記憶（MTM ）環(huán)境事物的各種具體知識短期記憶（STM ） 環(huán)境變化的信息和數據事實庫或

2、“黑板 學習元學習系統(tǒng)的核心環(huán)節(jié)米集環(huán)境信息息接受監(jiān)督指導進行學習推理修改知識庫執(zhí)行元 識別、選例環(huán)節(jié)或直接采集監(jiān)督環(huán)節(jié)的示教、指導信息或評價準則 獲得有關問題的解答和結論將推理結果輸入知識庫，對知識增刪改 論證、決策、判定模式分類器、專家咨詢解釋系統(tǒng)、智能控制機構、機械手/人等 如執(zhí)行元行動結果直接引起環(huán)境的變化“在線”學習系統(tǒng) 機器人規(guī)劃、生產過程控制、機器博弈等監(jiān)督環(huán)節(jié)人：示教者；監(jiān)督器：評價準則或檢驗標準工作執(zhí)行效果評價一一 接受來自執(zhí)行元環(huán)節(jié)的反饋信息，對系統(tǒng)的工作執(zhí)行效果進行評價和檢驗制定評價標準一一 接受來自環(huán)境變化的信息，制定和修訂評價標準和檢驗標準監(jiān)督學習環(huán)節(jié)一一根據評價和檢

3、驗的結果，對學習環(huán)節(jié)進行示教、訓練或指導控制選例環(huán)節(jié)一一根據環(huán)境變化信息及工作執(zhí)行效果的反饋，控制選例環(huán)節(jié)，選取其它事例或樣本 選例環(huán)節(jié)作用是從環(huán)境中選取有典型意義的事例或樣本，作為系統(tǒng)的訓練集或學習對象。如挑選典型病歷，以 便提高學習效率，加速學習過程。選例環(huán)節(jié)可以由人或機器來實現環(huán)境系統(tǒng)獲取知識和信息的來源，執(zhí)行的對象和人物等。如，醫(yī)療專家系統(tǒng)的病員、病歷檔案、醫(yī)生、診 斷書等；模式識別系統(tǒng)的文字、圖象、物景；博弈系統(tǒng)的對手、棋局；智能控制系統(tǒng)的被控對象和生產過程等8.4 答：（1）.機械學習模型器機械學習一一一種最簡單的機器學習方法帶 機械學習是最基本的學習過程，任何學習系統(tǒng)都必須記住它

4、們獲取的知識部 機械學習系統(tǒng)：知識的獲取是以較為穩(wěn)定和直接的方式進行的，不需要系統(tǒng)進行過多的加工器 機械學習就是記憶，即把新的知識存儲起來，供需要時檢索調用，而不需要計算和推理器歸納過程可以簡化成推導過程直接使用求根公式計算一個一元二次方程的根自學（2）.機械學習的主要問題 存儲組織信息 環(huán)境的穩(wěn)定性與存儲信息的適用性問題。密切監(jiān)視外界環(huán)境的變化，不斷地更換所保存的信息；核對。 存儲與計算之間的權衡。預估算； 選擇忘卻”技術8.5 答:（1）示例學習：病態(tài)細胞的分類識別例如圖,囹6.3痛佃胞（Pi）和正魯佃胞（Ni）笛鬧孑?正例一一三個病細胞（P1, P2, P3）,?反例一一二個正常細胞（N

5、1, N2）;?每個細胞由二個細胞體組成*細胞體表示為三元組：（核數、尾數、染色狀），* P1 : （2, 2,深）（1, 1,淺）。?學習任務一一從例子集中歸納出有病狀X的細胞A.概念描述的搜索和獲取概念描述?假設不必給每個特性（屬性）都指明應取值：*沒有給出值的特性（以？指示）一一對于該概念的描述無關緊要；*病細胞假設（a ）： （2, ?, ?） （?, 1,深），一個細胞體有二個胞核；另一個有一個尾巴，且染色是深的。 ?病細胞假設空間的半序圖（圖 6.5）?假設之間的關系弧指示泛化 /特化關系，?假設空間上的一個泛化/特化關系（圖6.4）,*假設（b）不考慮細胞體是否有尾巴，比假設（a

6、）復蓋更多的例子；*假設（b）比假設（a）泛化；*假設（a）比假設（b）特化。?底層假設一一最特化（具體）的概念描述：*所有特性都給定特別值，對應于例子空間中的一個例子。?頂層假設一一最泛化的概念描述：*不指定任何具體的特性值，* 表示為（? ? ?）, （? ? ?）。?假設空間中的搜索方式?特化搜索一一從最泛化的假設（概念描述）出發(fā)，每次取用一個新的例子，就產生一些特化的描述，直 到將初始最泛化的假設特化為解描述。?泛化搜索一一從最特化的假設（相應于例子空間中的一個例子）開始，每次取用一個新的例子時，就產 生一些泛化的描述，直到產生出足夠泛化的解描述。?大多數示例學習方法都采用這二種方法或這二個方法的結合。B.逐步泛化的學習策略?采用寬度優(yōu)先、自底向上的搜索方式：?將第一個正例（P1）作為初始假設（H1）極端特化的假設；?正例（P2）用于指導系統(tǒng)生成泛化的假設（H2和H3）:*多個泛化的假設一一不同的映射會導致不同的假設，-假設H1中包含了二個對象（細胞體）；*采用保守原則一一最低限度的泛化 ,:-新的假設剛好覆蓋現有的假設 /例子。?反例（N1）用來剪裁過于泛化的假設：H3是過于泛化的假設，因為其蘊涵了反例N1。基本策略