机器学习如何获取知识，都有那些形式

 

    机器学习基于所获取相关知识的表示形式进行分类，学习管理系统可以获取的知识可能有：行为规则、问题求解策略、物理研究对象的描述、各种分类及其它用于任务就是实现的知识经济类型。

    对于学习中获得的知识，机器学习主要有以下几种表达方式，代数表达式参数学习目标是调节的代数表达式，或参数的形式来实现的性能的期望系数的固定功能。

    树中每一内部控制节点进行对应需要一个目标物体属性，决策树，机器学习用决策树来划分物体的类属，而每一边对应于这些社会属性的可选值，树的叶节点则对应于物体的每个学生基本内容分类。

    形式文法，在识别特定的语言学习，机器学习通过表达式语言系列的诱导，形成语言的形式文法。

    机器学习的产生式规则，产生式规则进行表示为条件—动作对，已被研究极为广泛地通过使用。 学习系统中的学习行为主要有：生成、泛化、专业化（专业化）或合成生成规则。

    机器学习在一个逻辑表达式的形式，在命题逻辑表达式，谓语，变量，约束变量范围声明的形式的基本组分和嵌入式逻辑表达式。有的机器学习的管理系统可以采用图匹配和图转换技术方案来有效地进行比较和索引知识。

    各帧包含一组帧模式和一个槽，用于描述的事物（概念和个人）方面。机器学习获取这种教学形式的知识，计算机应用程序和其它的过程进行编码，机器学习的目的就是在于取得一种能实现特定过程的能力，而不是我们为了推断该过程的内部控制结构。

    神经网络，主要用于连接学习。学习知识储备，并最终归结为神经网络。机器学习的多种表示形式的组合，机器学习有时一个学习管理系统中获取的知识我们需要进行综合技术应用上述几种知识表示形式。

    根据表示的精细程度，知识表达可分为两大类：高度粗粒度符号表示的概括？机器学习的低泛化的次符号表示。如决策树，产生规则，形式语法，形式逻辑表达式，框架和模式属于符号表示类，而代数表达式参数，图与网络，神经网络等属于子符号表示类。

    所以，机器学习主要靠以上介绍的这几种方法获取知识。
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！