麻省理工公开课人工智能笔记九

本篇主要关于最近邻学习思想

下面是关于人类学习的一个简单总结

最近邻算法是一种基于模式识别的算法，他的主要流程如下

首先有一个特征检测器，他检测进入的物体并输出其特征，所有输出值组成一个向量进入一个比较器，并于库中可能存在的向量值进行比较，输出一个值。

用下面这四种插座盖来做例子

每个插座盖都要检测其总面积和孔的面积，并得到一个图。

横坐标是总面积，纵坐标是空的面积，小标记代表四种插座盖所在的位置。

然而当有插座盖不属于这四个点时，我们可以画出他们之间的边界线。称其为决策边界

我们有一个原则，如果一个东西和另一个东西在一个方面很相似，那么他们在另一个方面也有可能很相似。

这样，如果我有一个全新的插座，已知他的孔面积在纵坐标且高于红线的位置，那么我们可以首先猜测他是左上角区域的插座，即小面积小孔的插座。

对于不同的问题，我们可以使用不同的决策方法。例如

我们想找寻一份文章，我们对他里面的hack和computer两个词感兴趣，所以我们可以检索文章中出现的这两个词的数目或频率。现在有几份关于电脑科技的文章的词频如图中w坐标位置，几份生活类文章词频（文章可能是关于砍东西的，hack有砍的意思）如图中红字所标位置，如果有一份文章在u（unknown）这个位置，显然他的computer次出现的频率高，hack出现的频率适中，我们可以用角度来作为区分，将他归类为我们需要的科技文章。

还可以应用在机械臂的例子中

我们有一个机械臂，想让他沿直线方向移动，你可能会想到通过经典力学计算出两个角度θ1和θ2，但这显然不可能，因为摩擦阻力无法计算。不过我们可以通过记录机械臂运动过程中的所有情况，列一张表，通过这个来不断训练机械臂。

如上图，这个表格中记录了θ、θ2、角速度、速度、加速度、两个马达的扭矩等信息，我们可以将我们需要的运动分成几个小段，每一个小段中信息不会变化太多，然后通过查表得到匹配。

计算机足够强大，这种理论可以完美实现。