浅析机器学习基于学习策略的分类（二）

 

     在上篇文章中，已经介绍过了机器学习基于学习策略的机械学习、示教学习和演绎学习。而本文，会继续进行关于机器学习基于学习策略的分类的类比学习，归纳学习和解释学习。让我们赶快开始吧。

     机器学习的类比学习

     通过类比，从源域知识，包括相似特征和其他属性，机器学习会推导出目标域的相应知识，从而实现学习。机器学习可利用两个不同领域，如源域，目标域的知识相似性。类比学习系统可以使现有的计算机应用程序，以适应进入新的领域，机器学习完成设计时没有考虑类似的功能。

     类比机器学习生活需要比上述三种学习教育方式可以更多的推理。机器学习通常需要首先知识源（源域）获取可用的知识，然后将机器学习其转换成一种新的形式，新的使用时（目标域）去。

     许多科学研究发现就是可以通过类比得到的，机器学习会类比学习在人类社会科学技术企业发展史上起着重要作用，例如，著名的卢瑟福类比通过将原子结构（目标域)与太阳系(源域）作为类比，揭示了原子结构的奥秘。

     机器学习的基于解释的学习

     根据学生的目标教师的概念。这个概念，场论和业务准则的一个例子，机器学习要首先构建了为什么这个例子满足目标概念，然后解释机器学习这个概念推广的完全符合操作标准条件的目标的一个解释。EBL已被社会广泛研究应用于知识库求精和改善管理系统的性能。

     机器学习的归纳学习

     归纳学习环境是由教师或数字的概念或一个反例，让学生通过归纳推理得出的概念的一般描述的实例提供。机器学习因为社会环境问题并不能够提供一般性概念可以描述（如公理），所以，这种机器学习的推理工作量远多于示教学习和演绎学习。

     归纳学习是最基本的，但也是一个比较成熟的机器学习的方法在人工智能领域学习的发展中得到了广泛的研究和应用。

以上，就是现在几个比较热点的关于机器学习的分类的介绍了，小伙伴们都明白了吧。下篇文章，小编会就机器学习是如何获取知识进行讲解，感兴趣的小伙伴们，还不快快期待一下吗？

版权声明：本文为Yun88网的原创文章，转载请附上原文出处链接及本声明。

 

更多产品了解

欢迎扫码加入云巴巴企业数字化交流服务群

产品交流、问题咨询、专业测评

都在这里！