» » »

6.1.Компоненты процесса обучения. Индуктивное обучение. Система ID3. Система INDUCE.

Компоненты процесса обучения

Машинное обучение— это синоним процедуры приобретения знаний, которая может быть использована, когда эксперт по знаниям: 
  • не существует,
  • недостаточно надежен,
  • чересчур дорог,
  • не доступен постоянно во времени.

К сожалению, эксперты, обладающие знаниями в области экономики за­частую характеризуется всеми этими чертами в различной степени. По опы­ту авторов, которые строили ИИС для этой области, очень трудно найти консультанта по инвестициям или маркетингу, который отвечал бы всем этим требованиям. Системы автоматического приобретения знаний должны быть существенными элементами экспертной системы в области инвести­ций. Процесс обучения машины в общем виде поясняется на рис. 10.1.



Рис. 10.1. Модель обучения

Система генерирует знания, полученные в результате изучения среды. В процессе сравнения выходов ИИС и объекта информатизации в соответствии с критерием выявляется расхождение между результатами реального мира и выходом системы. Цель заключается в том, чтобы трансформировать реак­цию среды и оценку в соответствии с критерием в форму знания.

Стратегии обучения, которые получили значительное внимание в литера­туре по искусственному интеллекту (ИИ), включают индуктивное обучение, обучение распознаванию образов (машинное обучение) с учителем и без учителя (кластеризация).

Одной из сфер применения методов машинного обучения, в которой входные данные формализованы в высокой степени, а рекомендации компьютера выливаются в реальные деньги, является рынок ценных бумаг.
Индуктивное обучение

Индуктивное обучение заключается в том, чтобы получить применимые правила из изучения прошлых специфических примеров. Таким образом, индуктивное обучение также называется обучением по примерам. В основу индуктивного обучения положены принципы индуктивных умозаключений. Индуктивным называется умозаключение, в котором на основании принадлежности признака отдельным предметам или частям некоторого класса делают вывод о его принадлежности классу в целом
Система ID3

Одним из первых индуктивных алгоритмов является алгоритм ID3. Про­грамма работает следующим образом:
  1. Выбрать наугад некоторое подмножество (окно) W из множества всех
    обучающих примеров.
  2. Для текущего окна построить правило классификации.
  3. Просмотреть полностью всю базу данных, а не только это окно, чтобы
    найти исключения для последнего из выработанных правил.
  4. Если исключения обнаружены, то включить некоторые из таких при­меров в окно и повторить шаги, начиная со второго; в противном случае
    прекратить работу и выдать полученное правило.
Система INDUCE

INDUCE представляет собою структурно обучающуюся программу, в которой используется метод, известный как лучевой поиск. Метод заключается в следующем.
  • Пусть множество Н содержит наугад выбранное подмножество размером W множества обучающих примеров.
  • Обобщить каждый пример из Н в минимально возможной степени (т. е. проделать минимальные обобщения).
  • Отбросить неоправдавшиеся гипотезы в соответствии с их размером и аботоспособностью, т. е. сохранить те гипотезы, которые просты и хватывают много примеров, отбросив сложные и охватывающие ишь несколько случаев. В результате остаются только лучшие прави­ла для W.
  • Если какое-то описание в Н охватывает все (или достаточное число) при­меров, то выдать его на печать.

(Шаги со второго по четвертый повторяются до тех пор, пока либо Н не станет пустым, либо достаточное число понятий не поступит на печать.)

Друзья! Приглашаем вас к обсуждению. Если у вас есть своё мнение, напишите нам в комментарии.