第1章引言
自從計(jì)算機(jī)問(wèn)世以來(lái),人們就想知道它們能不能自我學(xué)習(xí)。如果我們理解了計(jì)算機(jī)學(xué)習(xí)的內(nèi)在機(jī)制,即怎樣使它們根據(jù)經(jīng)驗(yàn)來(lái)自動(dòng)提高,那么影響將是空前的。想像一下,在未來(lái),計(jì)算機(jī)能從醫(yī)療記錄中學(xué)習(xí),獲取治療新疾病最有效的方法;住宅管理系統(tǒng)分析住戶的用電模式,以降低能源消耗;個(gè)人軟件助理跟蹤用戶的興趣,并為其選擇最感興趣的在線早間新聞。對(duì)計(jì)算機(jī)學(xué)習(xí)的成功理解將開(kāi)辟出許多全新的應(yīng)用領(lǐng)域,并使其計(jì)算能力和可定制性上升到新的層次。同時(shí),透徹理解機(jī)器學(xué)習(xí)的信息處理算法,也會(huì)有助于更好地理解人類的學(xué)習(xí)能力(及缺陷)。
目前,我們還不知道怎樣使計(jì)算機(jī)具備和人類一樣強(qiáng)大的學(xué)習(xí)能力。然而,一些針對(duì)特定學(xué)習(xí)任務(wù)的算法已經(jīng)產(chǎn)生。關(guān)于學(xué)習(xí)的理論認(rèn)識(shí)已開(kāi)始逐步形成。人們開(kāi)發(fā)出很多實(shí)踐性的計(jì)算機(jī)程序來(lái)實(shí)現(xiàn)不同類型的學(xué)習(xí),一些商業(yè)化的應(yīng)用也已經(jīng)出現(xiàn)。例如,對(duì)于語(yǔ)音識(shí)別這樣的課題,迄今為止,基于機(jī)器學(xué)習(xí)的算法明顯勝過(guò)其他的方法。在數(shù)據(jù)挖掘領(lǐng)域,機(jī)器學(xué)習(xí)算法理所當(dāng)然地得到應(yīng)用,從包含設(shè)備維護(hù)記錄、借貸申請(qǐng)、金融交易、醫(yī)療記錄等信息的大型數(shù)據(jù)庫(kù)中發(fā)現(xiàn)有價(jià)值的信息。隨著對(duì)計(jì)算機(jī)認(rèn)識(shí)的日益成熟,機(jī)器學(xué)習(xí)必將在計(jì)算機(jī)科學(xué)和技術(shù)中扮演越來(lái)越重要的角色!
我們可以通過(guò)一些專項(xiàng)成果看到機(jī)器學(xué)習(xí)這門(mén)技術(shù)的現(xiàn)狀:計(jì)算機(jī)已經(jīng)能夠成功地識(shí)別人類的講話(Waibel1989,Leel989);預(yù)測(cè)肺炎患者的康復(fù)率(Cooperetal.1997);檢測(cè)信用卡的欺詐;在高速公路上自動(dòng)駕駛汽車(chē)(Pomerleau1989);以接近人類世界冠軍的水平對(duì)弈西洋雙陸棋(Tesauro1992,1995)。
出版者的話
專家指導(dǎo)委員會(huì)
譯者序
前言
第1章 引言
1.1 學(xué)習(xí)問(wèn)題的標(biāo)準(zhǔn)描述
1.2 設(shè)計(jì)一個(gè)學(xué)習(xí)系統(tǒng)
1.2.1 選擇訓(xùn)練經(jīng)驗(yàn)
1.2.2 選擇目標(biāo)函數(shù)
1.2.3 選擇目標(biāo)函數(shù)的表示
1.2.4 選擇函數(shù)逼近算法
1.2.5 最終設(shè)計(jì)
1.3 機(jī)器學(xué)習(xí)的一些觀點(diǎn)和問(wèn)題
1.4 如何閱讀本書(shū)
1.5 小結(jié)和補(bǔ)充讀物
習(xí)題
第2章 概念學(xué)習(xí)和一般到特殊序
2.1 簡(jiǎn)介
2.2 概念學(xué)習(xí)任務(wù)
2.2.1 術(shù)語(yǔ)定義
2.2.2 歸納學(xué)習(xí)假設(shè)
2.3 作為搜索的概念學(xué)習(xí)
2.4 FIND-S:尋找極大特殊假設(shè)
2.5 變型空間和候選消除算法
2.5.1 表示
2.5.2 列表后消除算法
2.5.3 變型空間的更簡(jiǎn)潔表示
2.5.4 候選消除學(xué)習(xí)算法
2.5.5 算法的舉例
2.6 關(guān)于變型空間和候選消除的說(shuō)明
2.6.1 候選消除算法是否會(huì)收斂到正確的假設(shè)
2.6.2 下一步需要什么樣的訓(xùn)練樣例
2.6.3 怎樣使用不完全學(xué)習(xí)概念
2.7 歸納偏置
2.7.1 一個(gè)有偏的假設(shè)空間
2.7.2 無(wú)偏的學(xué)習(xí)器
2.7.3 無(wú)偏學(xué)習(xí)的無(wú)用性
2.8 小結(jié)和補(bǔ)充讀物
習(xí)題
第3章 決策樹(shù)學(xué)習(xí)
3.1 簡(jiǎn)介
3.2 決策樹(shù)表示法
3.3 決策樹(shù)學(xué)習(xí)的適用問(wèn)題
3.4 基本的決策樹(shù)學(xué)習(xí)算法
3.4.1 哪個(gè)屬性是最佳的分類屬性
3.4.2 舉例
3.5 決策樹(shù)學(xué)習(xí)中的假設(shè)空間搜索
3.6 決策樹(shù)學(xué)習(xí)的歸納偏置
3.6.1 限定偏置和優(yōu)選偏置
3.6.2 為什么短的假設(shè)優(yōu)先
3.7 決策樹(shù)學(xué)習(xí)的常見(jiàn)問(wèn)題
3.7.1 避免過(guò)度擬合數(shù)據(jù)
3.7.2 合并連續(xù)值屬性
3.7.3 屬性選擇的其他度量標(biāo)準(zhǔn)
3.7.4 處理缺少屬性值的訓(xùn)練樣例
3.7.5 處理不同代價(jià)的屬性
3.8 小結(jié)和補(bǔ)充讀物
習(xí)題
第4章 人工神經(jīng)網(wǎng)絡(luò)
4.1 簡(jiǎn)介
4.2 神經(jīng)網(wǎng)絡(luò)表示
4.3 適合神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的問(wèn)題
4.4 感知器
4.4.1 感知器的表征能力
4.4.2 感知器訓(xùn)練法則
4.4.3 梯度下降和delta法則
4.4.4 小結(jié)
……
第5章 評(píng)估假設(shè)
第6章 貝葉斯學(xué)習(xí)
第7章 計(jì)算學(xué)習(xí)理論
第8章 基于實(shí)例的學(xué)習(xí)
第9章 遺傳算法
第10章 學(xué)習(xí)規(guī)則集合
第11章 分析這習(xí)
第12章 歸納和分析學(xué)習(xí)的結(jié)合
第13章 增強(qiáng)學(xué)習(xí)