Luận văn: Học máy, học máy mô tả phức;thuật toán và vấn đề rút gọn lỗi

Trong phạm vi Tin học, ta có thể quan niệm bài toán là việc nào đó tamuốn máy tính thực hiện.Viết một dòng chữ ra màn hình, giải phương trình bậc hai, quản lí điểmtrong trường học v.v…Khi dùng máy tính giải bài toán, ta cần quan tâm đến hai yếu tố: đưavào máy thông tin gì (Input) và cần lấy ra thông tin gì (Output). Do đó để phátbiểu một bài toán ta cần phải chỉ rõ Input và Output của bài toán đó....
Nội dung trích xuất từ tài liệu:
Luận văn:Học máy, học máy mô tả phức;thuật toán và vấn đề rút gọn lỗi bé gi¸o dôc vµ ®µo t¹o ®¹i häc quèc gia hµ néi tr−êng ®¹i häc khoa häc tù nhiªn ****** l−¬ng song v©nHäc m¸y, häc m¸y m« t¶ phøc: thuËt to¸n vµ vÊn ®Ò rót gän lçi luËn ¸n th¹c sü khoa häc chuyªn ngµnh tin häc ng−êi h−íng dÉn khoa häc: PTS. Hµ Quang Thôy hµ néi - 1999 Häc m¸y, häc m¸y m« t¶ phøc: thuËt to¸n vµ vÊn ®Ò rót gän lçiL−¬ng Song V©n Môc lôcNéi dung Trang 3PhÇn më ®Çu 6Ch−¬ng 1. Bµi to¸n häc m¸y vµ mét sè thuËt to¸n I.1. Bµi to¸n häc m¸y 6 I.1.1. Bµi to¸n häc m¸y 6 I.1.2. Mét sè ®Æc tr−ng trong häc m¸y 7 I.1.3. Ph−¬ng ph¸p ®iÓn h×nh biÓu diÔn tri thøc trong häc m¸y 9 I.2. ThuËt to¸n ®iÓn h×nh trong häc m¸y 10 I.2.1. ThuËt to¸n t¸ch nhãm 10 I.2.2. ThuËt to¸n ph©n líp Bayes 14 I.2.3. ThuËt to¸n ph©n líp k-ng−êi l¸ng giÒng gÇn nhÊt 18 I.2.4. ThuËt to¸n c©y quyÕt ®Þnh 20 21Ch−¬ng 2. Häc m¸y m« t¶ phøc II.1. M« h×nh häc m¸y m« t¶ phøc 21 II.1.1. S¬ bé vÒ m« h×nh häc m¸y m« t¶ phøc 21 II.1.2. Mét sè néi dung cña häc m¸y m« t¶ phøc 23 II.2. Mét sè kh¸i niÖm vµ tr×nh bµy tri thøc trong häc m¸y m« t¶ 26 phøc II.2.1 Mét sè kh¸i niÖm 26 II.2.2 Tr×nh bµy tri thøc trong häc m¸y m« t¶ phøc 27 II.3. Mét sè m« h×nh häc m¸y m« t¶ phøc 33 II.3.1. M« h×nh POIL 33 II.3.2. M« h×nh POCL 37 II.3.3. M« h×nh HYDRA 42 II.3.4. M« h×nh HYDRA-MM 45 -1- Häc m¸y, häc m¸y m« t¶ phøc: thuËt to¸n vµ vÊn ®Ò rót gän lçiL−¬ng Song V©n 49Ch−¬ng 3. Rót gän lçi trong häc m¸y m« t¶ phøc III.1. S¬ bé vÒ rót gän lçi trong häc m¸y m« t¶ phøc 49 III.1.1. Mét sè kh¸i niÖm 49 III.1.2. S¬ bé vÒ rót gän lçi trong häc m¸y m« t¶ phøc 49 III.2. Mét sè néi dung vÒ rót gän lçi trong häc m¸y m« t¶ phøc 55 III.2.1. Sö dông tËp luËt phøc cho lçi thÊp h¬n 55 III.2.2. Mèi quan hÖ gi÷a gi¶m lçi vµ c¸c lçi t−¬ng quan 57 III.2.3. Thu thËp c¸c mèi quan hÖ vµ rót gän lçi 58 III.2.4. T¸c ®éng cña nhiÔu 59 III.2.5. T¸c ®éng cña thuéc tÝnh kh«ng thÝch hîp 60 III.2.6. T¸c ®éng cña viÖc ®a d¹ng ho¸ 62 64Ch−¬ng 4. ThuËt to¸n t×m kiÕm vµ ph©n líp trong c¬ së d÷ liÖu full-text IV.1. C¬ së d÷ liÖu full-text 64 IV.1.1. Kh¸i niÖm vÒ c¬ së d÷ liÖu full-text 64 IV.1.2. C¸c néi dung c¬ b¶n cña mét c¬ së d÷ liÖu full-text 66 IV.1.3. C¸c m« h×nh qu¶n lý vµ l−u tr÷ th«ng tin v¨n b¶n 69 IV.2. ThuËt to¸n t×m kiÕm vµ ph©n líp trong c¬ së d÷ liÖu full-text 72 theo m« h×nh vector c¶i tiÕn IV.2.1. M« h×nh vector c¶i tiÕn vµ thuËt to¸n t×m kiÕm 73 IV.2.2. ThuËt to¸n ph©n líp Bayes thø nhÊt 79 IV.2.3. ThuËt to¸n ph©n líp Bayes thø hai 83 IV.2. ...