E．A. Feigenbaum等人在著名的《人工智能手冊》（第三卷）[Cohen and Feigenbaum，1983]中，則把機(jī)器學(xué)習(xí)劃分為“機(jī)械學(xué)習(xí)”  “示教學(xué)習(xí)”  “類比學(xué)習(xí)”和“歸納學(xué)習(xí)”．機(jī)械學(xué)習(xí)亦稱“死記硬背式學(xué)習(xí)”，即把外界輸入的信息全部記錄下來，在需要時(shí)原封不動地取出來使用，這實(shí)際上沒有進(jìn)行真正的學(xué)習(xí)，僅是在進(jìn)行信息存儲與檢索；示教學(xué)習(xí)和類比學(xué)習(xí)類似于R.S．Michalski等人所說的“從指令中學(xué)習(xí)”和“通過觀察和發(fā)現(xiàn)學(xué)習(xí)”；歸納學(xué)習(xí)相當(dāng)于“從樣例中學(xué)習(xí)”，即從訓(xùn)練樣例中歸納出學(xué)習(xí)結(jié)果．二十世紀(jì)八十年代以來，被研究最多、應(yīng)用最廣的是“從樣例中學(xué)習(xí)”f也就是廣義的歸納學(xué)習(xí)），它涵蓋了監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)等，本書大部分內(nèi)容均屬此范疇，下面我們對這方面主流技術(shù)的演進(jìn)做一個(gè)簡單回顧．在二十世紀(jì)八十年代，“從樣例中學(xué)習(xí)”的一大主流是符號主義學(xué)習(xí)，其代表包括決策樹(decision tree)和基于邏輯的學(xué)習(xí)，典型的決策樹學(xué)習(xí)以信息論為基礎(chǔ)，以信息熵的最小化為目標(biāo)，直接模擬了人類對概念進(jìn)行判定的樹形流程．基于邏輯的學(xué)習(xí)的著名代表是歸納邏輯程序設(shè)計(jì)(Inductive LogicProgramming，簡稱ILP)，可看作機(jī)器學(xué)習(xí)與邏輯程序設(shè)計(jì)的交叉，它使用一階邏輯（即謂詞邏輯）來進(jìn)行知識表示，通過修改和擴(kuò)充邏輯表達(dá)式（例如Prolog表達(dá)式）來完成對數(shù)據(jù)的歸納，符號主義學(xué)習(xí)占據(jù)主流地位與整個(gè)人工智能領(lǐng)域的發(fā)展歷程是分不開的，前面說過，人工智能在二十世紀(jì)五十到八十年代經(jīng)歷了“推理期”和“知識期”，在“推理期”人們基于符號知識表示、通過演繹推理技術(shù)取得了很大成就，而在“知識期”人們基于符號知識表示、通過獲取和利用領(lǐng)域知識來建立專家系統(tǒng)取得了大量成果，因此，在“學(xué)習(xí)期”的開始，符號知識表示很自然地受到青睞．事實(shí)上，機(jī)器學(xué)習(xí)在二十世紀(jì)八十年代正是被視為“解決知識工程瓶頸問題的關(guān)鍵”而走上人工智能主舞臺的．

想了解更多IT資訊，請?jiān)L問中培偉業(yè)官網(wǎng)：中培偉業(yè)