一個基於版本空間的概念學習法

Abstract

在發展一個專家系統的知識庫時，專家們對於要將他們的專家知識轉換成結構化的表 示法，往往學得有困難。即使有知識工程師的幫助，此種知識擷取的工作仍然是一個 複雜、耗時以及易於出錯的程序。 機器學習技術幫助我們克服了這個困難。我們只要蒐集許多專家針對特殊狀況所作的 處理當作訓練例子，並由專家決定此領域的許多屬性，那麼便可利用歸納的方法找出 某一類事物的共同特性。描述此一特性的規則便稱為概念，其為一結構化的知識表示 法。此種歸納學習法中，最有名的是一個叫做版本空間的方法，此方法能夠找出與一 個訓練集合相一致的所有描述。而對一個訓練集合來說，一個一致的描述能夠包含此 訓練集合中所有的正例，並排除所有的反例。本論文提出一個能夠找出所有與給定訓 練集合相一致描述的方法。訓練集合中若包含錯誤的資料，亦可藉由此方法找出。另 外，我們以向量內積的方法來度量兩個訓練例子間屬性的相似程度。利用此相似度， 我們可以具有智慧地選取訓練集合中的訓練例子，以改善此方法所獲得的結果。