Nhập môn trí tuệ nhân tạo

NHAP MON TRI TUE NHAN TAO
on
ai>

@copyrights by Dr Nguyén Xuan
Hoai








Hoc quy nap
¢ Vi du: hoc một hàm từ mẫu ví du.
f lànàm mục tiêu

Một mẫu ví dụ là một cặp (x, f(x))

Bài tốn: Tìm giả thuyết h
sao choh =f

dựa trên tập mẫu cho trước

Mơ hình đơn giản hố việc học:
— Khơng tính đến tri thức có sẵn
— Giả sử tập mẫu là có đủ.


Phương

pháp học quy nạp

°. Xây dựng h gân với f trên tập huấn luyện
° _(h được gọi là nhất quán với f trên tập mẫu)
° E.g., khớp đường cong:
fix)
A

_


Phương

pháp học quy nạp

°. Xây dựng h gân với f trên tập huần luyện
°_(h được gọi là nhất quán với f trên tập mẫu)
° E.g., khớp đường cong:
fix)


Phương

pháp học quy nạp

°. Xây dựng h gân với f trên tập huấn luyện
° _(h được gọi là nhất quán với f trên tập mẫu)
° E.g., khớp đường cong:
Tix)

Phương

pháp học quy nạp

°. Xây dựng h gân với f trên tập huần luyện
°_ (h được gọi là nhất quán với f trên tập mẫu)
° E.g., khớp đường cong:

fix)A


Phương

pháp học quy nạp

° . Xây dựng h gân với f trên tập huần luyện
° _ (h được gọi là nhất quán với f trên tập mẫu)
°

.E.g., khớp đường cong:
jit)

_—

1


Phương

pháp học quy nạp

Xây dựng h gân với f trên tập huân luyện.

(h được gọi là nhât quán với f trên tập mâu)
E.g., khớp đường cong:

Ockhams razor: ưu tiên những giả. thiệt nào xấp
xỉ tốt hàm mục tiêu và càng đơn giản càng tốt


Học các cây quyết định
Bài toán: Học xem khi nào thì nên ngồi bàn đợi tại
mot restaurant:

1.
2.
3.
4.
5.

6.
7.
8.
9.
1 0.

Alternate: Co restaurant nao canh day khong?

Bar; Liệu có khu vực quây bar có thê ngơi khơng?

Fri/Sat: hom nay la thu 8 hay thứ 7?
Hungry: co dang đói khơng?
Fal)
S6 ngudi trong restaurant (None, Some,
u
Price: khoảng giá ($, $$, $$$)
Raining: ngồi trời có mưa không?
Reservafion: đã đặt trước chưa?
Type: loai restaurant (French, Italian, Thai, Burger)
WaitEstimate: thời gian chờ đợi (0-10, 10-30, 3060, >60)


Biêu diễn thuộc tính giá trị
»-

Các mẫu được biểu diễn bằng các thuộc tính và giá tri (Boolean,

discrete, continuous)
Example
Alt|

Bar|

Fri|

Hun|

F

T

AY

T |

F

À2
A3
AA
A5

T |
F}
TỊ
TỊ

F | F
T | F
F | T|
F
ỊT

Aq
Ag
Ag
X10

Attributes
Pat | Price| Rain|

Res|

$$$

F

T | French | 0-10

T

T | Full
F
|Some|
T | Ful
F | Full |

$
$
$
$$$

$$

F
F
F
F

T |

F
F
F
T

|
|
|
|

Thai
|3060|
Burger | 0-10
Thai
|10-30[
French | >60

F
T
T
F

F | T | F
F|F
ỊF
F)}
T | T |

T | T | TJ]

F
|None|l
T
|Some}
F | Ful
T | Ful |

$
$$
5
$5$

i
ii
i
E

F
T
F
T

|
|
|
|

Burger | 0-10

Thai | 0-10
Burger | >60
Italian |} 10-30)

F
T
F
=F

Xi

P|

F

F

F

|None|

$

F

F |

Thai | 0-10

F

Xp

T{

T

|LT |

T |

Ful

$

F

F

Xe

Fl}

T | F |

T

|Some|

‘Target

Type | Est |) Wait

|Somel

T | Italian | 0-10

|Burger

|30-00 ||

T

T

Nhiệm vụ đặt ra là phân loại xem trường hợp nào trong tương lai là

positive (T) hay negative (F)


Cây quyết định
° - Biểu diễn giả thiết cần học.
Vi du:

Patrons?

m

Full
WantEstimate?

>60

30

Ci

Alte mate?

Reservation?

No

Yes

Bar?

No

Yes

10-

nh

Fri‘Sat? ¬

0-10
Hungry?

mế

CÀ.

nate ?

No


ma


Kha nang biéu dién
° - Cây quyết định có khả năng dùng để biểu diễn bất cứ hàm nào.
°Ò

E.g. ham Boolean:

A

B

F
F
T
T

F
T
OF

T

F
T
T
F

° - Với một cây quyết định nhất quán với tập mẫu huấn luyện thì mỗi

input, output cua ham tương ứng với một đường ởi trong, Cây.
Nhưng cũng có thê khả năng khái qt hố khơng cao đồi với các ví

dụ mới chưa biết.

°Ị - Ưu tiên tìm cây có độ phức tạp nhỏ.


Không gian giả thuyết
Số lượng cây quyết định cho hàm Boolean =
= Số lượng hàm boolean
= số lượng bảng luận ý với 2" hàng = 22°
° E.g., nêu có 6 thuộc tính Boolean, có
18,446,/44,073,/709,551,616 cây


Thuat toan hoc cay qut dinh
° - Mục đích: Tìm cây nhỏ nhất quán với tập mẫu huấn luyện.
° _ Ý tưởng: Tìm kiễm heuristic chọn thuộc tính quan trọng nhất dé
phân tách (đê quy)

function D'TL(ezarmples, œttributes, defaulf) returns a decision tree
if examples is empty then return default
else if all examples have the same classification then return the classification

else if attributes is empty then return MODE( examples)
else

best ~ CHOOSE- ATTRIBUTE( attributes, examples)
tree
for each value vu; of best do

examples; — {elements of examples with best = v;}
subtree ~ DT L(examples;, attributes — best, MODE(examples))

add a branch to free with label v; and subtree subtree
return [ree