符號學習與連結學習的實驗分析

Abstract

雖然符號學習與連結學習常用來解決“列舉學習”的問題，然而它們對於不同學習主 題的學習效率卻很少為人所知。本論文將以實驗的方式來分析這兩種方法中一些較重 要的學習演算法。這些方法分別是屬於符號學習的ID3 和 version space，以及屬於 連結學習的perceptron與back-propagation。在實驗中，我們以人為的資料來測試這 些演算法，並以正確性、有效性和抽象程度三個準則來比較它們之間的優劣。此外， 本論文亦考慮一些不理想的狀況，例如訓練例子中含有雜訊、不充分的屬性和多餘的 屬性。實驗的結果將在本論文中討論。最後，我們提出一些方向，用以指示如何依據 所需的學習目標與訓練例子之特性，來擇選適當的學習演算法。