机器学习 第10章学习规则集合 2003.12.18机器学习学习规则集合作者: Mitchell译者:曾华军等讲者:陶晓鹏
2003.12.18 机器学习-学习规则集合作者：Mitchell 译者：曾华军等讲者：陶晓鹏 1 机器学习 第10章 学习规则集合
概述 对学习到的假设,最具有表征力的和最能为人 类所理解的表示方法之一是i-then规则的集合 本章探索若干能学习这样的规则集合的算法 其中,最重要的是学习包含变量的规则集合, 或称一阶Homn子句集合 由于一阶Homn子句集合可被解释为逻辑编程语 言 Prolog中的程序,学习的过程常被称为归纳 逻辑编程 本章考察了多种学习规则集合的途径,其中 种是基于机器定理证明器中演绎算子的逆转 2003.12.18机器学习学习规则集合作者: Mitchell译者:曾华军等讲者:陶晓鹏 2
2003.12.18 机器学习-学习规则集合作者：Mitchell 译者：曾华军等讲者：陶晓鹏 2 概述 • 对学习到的假设，最具有表征力的和最能为人 类所理解的表示方法之一是if-then规则的集合 • 本章探索若干能学习这样的规则集合的算法 • 其中，最重要的是学习包含变量的规则集合， 或称一阶Horn子句集合 • 由于一阶Horn子句集合可被解释为逻辑编程语 言Prolog中的程序，学习的过程常被称为归纳 逻辑编程 • 本章考察了多种学习规则集合的途径，其中一 种是基于机器定理证明器中演绎算子的逆转
简介 在许多情况下,有必要学习一个由若干 if-then 规则共同定义的目标函数,比如 决策树 遗传算法 本章我们讨论一组不同的算法,它们直接学习 规则集合,与前面算法有两点关键的不同 可学习包含变量的一阶规则集合(一阶子句的表达 能力比命题规则要强得多) 使用序列覆盖算法,一次学习一个规则,以递增的 方式形成最终的规则集合 2003.12.18机器学习学习规则集合作者: Mitchell译者:曾华军等讲者:陶晓鹏
2003.12.18 机器学习-学习规则集合作者：Mitchell 译者：曾华军等讲者：陶晓鹏 3 简介 • 在许多情况下，有必要学习一个由若干if-then 规则共同定义的目标函数，比如 – 决策树 – 遗传算法 • 本章我们讨论一组不同的算法，它们直接学习 规则集合，与前面算法有两点关键的不同 – 可学习包含变量的一阶规则集合（一阶子句的表达 能力比命题规则要强得多） – 使用序列覆盖算法，一次学习一个规则，以递增的 方式形成最终的规则集合
简介(2) 阶规则集合的例子 if Parent(x,y) then Ancestor(x, y) if Parent(x, z)A Ancestor(z, y) then Ancestor(x, y) 这个规则集合很紧凑地描述了一个递归函数,它很难用决策 树或其他命题的方法来表示 Prolog程序就是一阶规则的集合,因此一个可以学习这 种规则集合的通用算法,可被看作是从样例中自动推 导出 Prolog程序的算法 阶表示的学习系统在实践中的应用 在质谱仪中学习哪一个化学药品能粘合碎片 学习哪一个化学亚结构会产生诱导有机体突变的放射性物质 学习有限单元网以分析物理结构中的应力 2003.12.18机器学习学习规则集合作者: Mitchell译者:曾华军等讲者:陶晓鹏
2003.12.18 机器学习-学习规则集合作者：Mitchell 译者：曾华军等讲者：陶晓鹏 4 简介（2） • 一阶规则集合的例子 if Parent(x,y) then Ancestor(x,y) if Parent(x,z) Ancestor(z,y) then Ancestor(x,y) – 这个规则集合很紧凑地描述了一个递归函数，它很难用决策 树或其他命题的方法来表示 • Prolog程序就是一阶规则的集合，因此一个可以学习这 种规则集合的通用算法，可被看作是从样例中自动推 导出Prolog程序的算法 • 一阶表示的学习系统在实践中的应用 – 在质谱仪中学习哪一个化学药品能粘合碎片 – 学习哪一个化学亚结构会产生诱导有机体突变的放射性物质 – 学习有限单元网以分析物理结构中的应力
内容安排 先介绍能够学习命题规则集的算法(命 题规则可看作不含变量的一阶规则) 算法搜寻假设空间学习析取规则集合 将上面算法扩展到一阶规则 讨论归纳逻辑的两种通用途径以及归纳 和演绎推理的基本关系 2003.12.18机器学习学习规则集合作者: Mitchell译者:曾华军等讲者:陶晓鹏
2003.12.18 机器学习-学习规则集合作者：Mitchell 译者：曾华军等讲者：陶晓鹏 5 内容安排 • 先介绍能够学习命题规则集的算法（命 题规则可看作不含变量的一阶规则）， 算法搜寻假设空间学习析取规则集合 • 将上面算法扩展到一阶规则 • 讨论归纳逻辑的两种通用途径以及归纳 和演绎推理的基本关系
序列覆盖算法 ·序列覆盖算法 学习一个规则,移去它覆盖的数据,再重复这一过 程 假定已有一个子程序 Learn-One-Rule,它的输 入是一组正例和反例,输出是单个规则,它能 够覆盖许多正例而覆盖很少的反例 我们要求输出的规则有较高的精确度,但不必 有较高的覆盖度 2003.12.18机器学习学习规则集合作者: Mitchell译者:曾华军等讲者:陶晓鹏
2003.12.18 机器学习-学习规则集合作者：Mitchell 译者：曾华军等讲者：陶晓鹏 6 序列覆盖算法 • 序列覆盖算法 – 学习一个规则，移去它覆盖的数据，再重复这一过 程 • 假定已有一个子程序Learn-One-Rule，它的输 入是一组正例和反例，输出是单个规则，它能 够覆盖许多正例而覆盖很少的反例 • 我们要求输出的规则有较高的精确度，但不必 有较高的覆盖度
序列覆盖算法(2) 序列覆盖算法的过程 在所有可用训练样例上执行Lean-One-Rule 再移去由其学到的规则覆盖的正例 重复上面的过程,直到规则集覆盖正例达到希望的 程度 序列覆盖算法按次序学习到一组规则,它们共 同覆盖了全部正例 规则集中的规则可排序,分类新实例时可先应 用精度最高的规则 2003.12.18机器学习学习规则集合作者: Mitchell译者:曾华军等讲者:陶晓鹏
2003.12.18 机器学习-学习规则集合作者：Mitchell 译者：曾华军等讲者：陶晓鹏 7 序列覆盖算法（2） • 序列覆盖算法的过程 – 在所有可用训练样例上执行Learn-One-Rule – 再移去由其学到的规则覆盖的正例 – 重复上面的过程，直到规则集覆盖正例达到希望的 程度 • 序列覆盖算法按次序学习到一组规则，它们共 同覆盖了全部正例 • 规则集中的规则可排序，分类新实例时可先应 用精度最高的规则
表10-1学习析取规则集的序列 覆盖算法(CN2) Sequential-Covering(Target attribute, Attributes, Examples Threshold) Learned rulest RuletLearn-One-Rule Target attribute, Attributes Examples Performance(Rule, Examples)>Threshold Learned rules< Learned rules+ rule Examples∈ Examples-{被Rule正确分类的样例} Rulet-Learn-One- Rule(Target attribute, Attributes, Examples) Learned rules∈按照在 Examples上的 Performance排序的 earned rules 返 回 Learned rules 2003.12.18机器学习-学习规则集合作者: Mitchell译者:曾华军等讲者:陶晓鹏
2003.12.18 机器学习-学习规则集合作者：Mitchell 译者：曾华军等讲者：陶晓鹏 8 表10-1 学习析取规则集的序列 覆盖算法（CN2） Sequential-Covering(Target_attribute, Attributes, Examples, Threshold) • Learned_rules{} • RuleLearn-One-Rule(Target_attribute, Attributes, Examples) • 当Performance(Rule, Examples)>Threshold – Learned_rulesLearned_rules+Rule – ExamplesExamples-{被Rule正确分类的样例} – RuleLearn-One-Rule(Target_attribute, Attributes, Examples) • Learned_rules按照在Examples上的Performance排序的 Learned_rules • 返回Learned_rules
序列覆盖算法(3) 序列覆盖算法将问题化简为一系列简单 的问题,执行的是一种贪婪搜索,它不 能保证找到能覆盖样例的最小或最佳规 则集 下面重点讨论 Learn- One-Rule的设计,我 们希望算法能够得到较高精度的规则集, 但不必覆盖所有的正例 2003.12.18机器学习学习规则集合作者: Mitchell译者:曾华军等讲者:陶晓鹏
2003.12.18 机器学习-学习规则集合作者：Mitchell 译者：曾华军等讲者：陶晓鹏 9 序列覆盖算法（3） • 序列覆盖算法将问题化简为一系列简单 的问题，执行的是一种贪婪搜索，它不 能保证找到能覆盖样例的最小或最佳规 则集 • 下面重点讨论Learn-One-Rule的设计，我 们希望算法能够得到较高精度的规则集， 但不必覆盖所有的正例
般到特殊的柱状搜索 种方法是,将假设空间搜索过程设计为与ID3算法中 相似的方式,但在每一步只沿着最有希望的分支进行, 即产生最佳性能的属性-值对,而不是用增长子树的办 法覆盖所选属性的所有可能值 ·与ID3类似,可定义最佳分支,它覆盖的样例有最低的 熵 与其他贪婪算法一样,上面算法的缺陷是,它的每 步都可能做出次优的选择 用柱状搜索来减小风险,即每一步保留k个最佳候选分 支,每一步对k个候选分支进行处理,然后再将结果集 削减至k个最可能成员 2003.12.18机器学习学习规则集合作者: Mitchell译者:曾华军等讲者:陶晓鹏
2003.12.18 机器学习-学习规则集合作者：Mitchell 译者：曾华军等讲者：陶晓鹏 10 一般到特殊的柱状搜索 • 一种方法是，将假设空间搜索过程设计为与ID3算法中 相似的方式，但在每一步只沿着最有希望的分支进行， 即产生最佳性能的属性-值对，而不是用增长子树的办 法覆盖所选属性的所有可能值 • 与ID3类似，可定义最佳分支，它覆盖的样例有最低的 熵 • 与其他贪婪算法一样，上面算法的缺陷是，它的每一 步都可能做出次优的选择 • 用柱状搜索来减小风险，即每一步保留k个最佳候选分 支，每一步对k个候选分支进行处理，然后再将结果集 削减至k个最可能成员