机器学习知识的步骤

    6.2.2　机器学习系统的原理、结构和功能

    1.机器学习系统的原理^［5］

    根据人类学习的原理和方法，机器学习系统需要通过学习增长其知识，改善其性能，提高其智能水平。机器学习系统在不同的学习环境、不同的应用条件下，一般也存在差异。例如，专家系统中的知识获取，主要是获取专家的知识。而对于博弈系统，在与对手较量的过程中，需要了解对方的长处与弱势，从失败与成功的案例中总结经验教训并将其转换为内在的知识。机器学习系统在学习过程中，需要使用合适的学习方法，通过与环境多次交互，逐步达到一定的知识水平和求解问题的能力，从而改善系统的性能。在获取知识过程中，机器学习系统中应设置知识库、人机接口等功能。

    2.机器学习系统的结构和功能

    机器学习系统的类型很多，但它们具有一些共同的重要特征。图6-1给出了学习系统的一般构架，它包含5个主要部分:环境、控制与评价、学习、知识库、执行机制。

    

    图6-1　学习系统的模型

    系统各部分简要描述如下:

    (1)知识库

    用于存储、积累系统的知识，它包括规则集合、参数值、符号结构等，供执行机制使用。它还具有知识增删、修改、扩充等功能。

    (2)学习部分

    学习部分是系统的核心部件，必须具备以下两个主要功能:第一，利用输入信息、评价指导信息和多种学习策略，进行学习过程的知识推理，获得有关问题的解答和结论;第二，学习部分还应能修改知识库，纠正系统的错误执行，自动改进系统的执行性能。

    (3)执行机制

    该部分使用已学习到的知识去完成所规定的任务。它以各种方法运用知识库中的规则引导系统的活动。例如，当学习过程修改了知识库中的知识，系统行为将要随之改变。

    (4)控制与评价

    该部分的首要任务是评价系统执行性能，通过将系统的实际结果与先验理想模型相比较，找出误差，分析错误，检测系统执行效果。然后，系统根据评价和检测结果，将信息反馈给学习部分，对学习进行指导，并控制输入信息的改进。

    (5)环境

    环境指获取信息和知识的来源，包括实例集合、已存在的实例数据库、人类专家等信息源。

    除了以上5个主要部件之外，与学习系统有关的其他2个元素是描述语言和实例集合的选择。

    (1)描述语言是系统知识的表达机制。描述语言必须适用于知识获取。

    (2)实例集合的选取对于学习系统是很重要的。显然，系统需要一个训练实例集合，依据这些实例，系统推导与输入描述相关的规则或规则集。但是，系统产生的规则必须被检测。因此系统还必须有另一个检测实例集合，若规则能成功地应用于这些新的实例，则会提高规则的可信度。