.简述机器学习的原理和分类。
答:原理:使计算机模拟人的学习行为,自动的通过学习来获取知识和技能,不断改善技能,实现自我完善。对于输入信息,系统根据目标和经验做出决策予以响应,即执行相应动作;对目标的实现或任务的完成情况进行评估;将本次的输入、响应和评价作为经验予以存储记录。
分类:
(1)基于学习途径的分类:符号学习
神经网络学习(或连接学习)
统计学习
交互学习
(2)基于学习方法的分类:归纳学习(归纳学习又可分为:符号归纳学习、函数归纳学习、类别归纳学习)
演绎学习
类比学习
分析学习
(3)基于样本数据特点的分类:有监督学习(亦称有导师学习)
无监督学习(亦称无导师学习)
(4)基于数据形式的分类:结构化学习
非结构化学习
(5)基于学习目标的分类:概念学习
规则学习
函数学习
类别学习
贝叶斯网络学习
4.什么是决策树学习?简述其基本步骤和过程。
答:决策树是一种知识表示形式,构造决策树可以由人来完成,也可以由机器从一些实例中总结、归纳出来,即由机器学习而得。机器学习决策树也就是所说的决策树学习。决策树学习是一种归纳学习。
决策树学习的基本方法和步骤:
(1)首先,选取一个属性,按这个属性的不同取值对实例进行分类;
(2)并以该属性作为根节点,以这个属性的诸取值作为根节点的分支,进行画树
(3)然后,考察所得的每一个子类,看其中的实例是否完全相同。如果完全相同,则以这个相同的结论作为相应分支路径末端的子叶节点;否则,选取一个非负节点的属性,按这个属性的不同取值对该自己进行分类,并以该属性作为节点,以这个属性的诸取值作为该节点的分支,继续进行画树。
(4)如此继续,直到所分的子集全部满足:实例结论完全相同,而得到所有的叶子结点为止。