3、机器学习基础：简单任务与贝叶斯分类器

机器学习基础：简单任务与贝叶斯分类器

1. 简单的机器学习任务

1.1 学习与分类

在机器学习中，我们使用训练示例来归纳出一个分类器，然后利用这个分类器对未来的示例进行分类。例如，在一个关于“馅饼”的示例中，我们通过分析训练集中的馅饼特征，来判断一个新的馅饼是否会被喜欢。

1.2 历史回顾

在20世纪80年代和90年代，将机器学习任务视为搜索的想法非常流行。Mitchell常被认为是第一个推广基于搜索方法的人，而Michalski提出的AQ算法家族也同样具有影响力。Michalski、Carbonell和Mitchell编辑的论文集推动了这一领域的发展。

1.3 巩固知识

为了巩固所学知识，我们可以通过以下几个方面进行练习：
- 练习
1. 在滑动拼图游戏中，建议提出比文中使用的更好的评估函数。
2. 分析给定搜索树中节点的评估函数值，确定爬山搜索访问这些状态的顺序。
3. 假设在“馅饼”领域中，评估函数计算正确分类的训练示例的百分比。以描述表中第二个正例的表达式为初始状态，手动模拟使用泛化和特化操作符的爬山搜索。
4. 计算一个由十个布尔属性描述示例的领域中，实例空间和分类器空间的大小。

任务	描述
练习1	在滑动拼图游戏中找更好评估函数