잘라내 공제에서는 전문가 시스템

Question

에서 규칙,시스템 또는 추론하는 시스템을 추론을 통해 앞으로 체인 추론 규칙,당신은 어떻게 자두가 중요한 메시지를 가지?르겠어요 공식적인 용어입니다,하지만 난 그냥을 이해하려는 사람들이 어떻게 할 수 있는 제한들의 기차-의 생각할 때론상 문제는 반면,모든 의미 걸 사람 매 게 밝내 봤어 나타나는 이것을 할 수 없습니다.

예를 들어,요한복음에서 매카시의 종이 예를 들어 위한 자연적인 언어를 이해하고 AI 문제가 발생, 그는 설명합니다 잠재적인 문제에서 얻어 프로그램을 지능적으로 응답에 대한 질문에는 뉴스 기사에서 New York Times.4 절,"에 대한 필요 Nonmonotonic 추론",그는 사용하는 방법을 설명합니다 오캄의 Razer 을 제한하는 포함되는 사실 때론에 대해 이야기입니다.샘플 이야기에 그 사용이 중 하나에 대한 강도가 희생은 가구소 소유자입니다.

프로그램이 요청했을 형성하는"최소한의 완료"의 이야기를 조건자의 미적분,그것은 필요가 있습니다 사실을 포함하지 않는 직접에서 언급 원래의 이야기입니다.그러나,그것은 또한 방법이 필요할 때를 알 제한 체인을 공제하지 않도록을 포함한 관련 없는 정보.예를 들어,그것을 포함시킬 수 있습의 정확한 수는 경찰에 관련된 경우,는 문서를 생략하지만,고 싶지 않다는 사실을 포함 각 경찰은 어머니입니다.

Answer 1

좋은 질문입니다.

에서 당신의 질문은 내가 무슨 생각을 참조하로 잘라내는'모델을 구축 단계를 수행됩 ex ante--ie,을 제한 입력을 사용할 수 있는 알고리즘을 구축하는 모델이다.The term'잘라내는'할 때에 사용되는 기계 학습을 말하는 다른 무언가 ex post 단계 후에 모델 구축 및 운영하는에 자체 모델과 지 에서 사용 가능한 입력을 사용합니다.(있을 수 있습 두 번째 의미에서 ML 도메인 기간을 위해'가지치기.의',그러나 나는 그것을 알고 있습니다.) 다시 말해서,잘라내는 것은 참으로 말 그대로 기술하여"제한 체인을 공제대로"당신이 그것을 넣어하지만,그것은 그렇 ex post, 에 의하여,절단의 구성 요소의 전체(일)모델되지 않을 제한함으로써 입력을 만드는 데 사용되는 모델입니다.

다른 한편으로 격리하거나 제한하는 사용 가능한 입력을 위해 모델을 구성는 내가 무슨 생각을 갖고 있던 마음에--은 참으로 중요한 기계 학습제그것은 명확한 요소에 대한 책임이 우수한 성능의 많은 사람들의 최근 ML 알고리즘--예를 들어,Support Vector Machines(통찰력의 기초가 되는 SVM 는 건설의 최대이익률 초평면에서만 데이터의 하위 집합,나.전자,'지원 벡터'),멀티-적응형 회귀분석 스플라인(회귀 기술에서 어떤 시도하에 맞게 데이터를 통해"그리는 하나의 연속적인 곡선을 통해 그것은"대신에,이산 섹션의 데이터에 맞게,하나 하나를 사용하여 경계선형 방정식에 대한 각 부분,즉,., 는'스플라인',그래서 조건자의 단계적 분할의 데이터가 분명히 핵심 이 알고리즘의).

무엇이 문제해결을 잘라내는?

적어도/w r/t 특정 ML 알고리즘으로 사용할 수 있 코드 및 사용--결정 나무,화성,그리고 신경 네트워크--가지치기에서 수행되는 초기에 over-맞 모델 (모델에 맞는 교육도록 데이터에 바싹할 수 없는 일반화(정확하게 예측하는 새 인스턴스).에서 각각의 인스턴스,전지를 제거하는 것이 한계 노드(DT,NN)또는 측면에서 회귀방정식(화)에 의해 하나 하나입니다.

두 번째, 이유는 잘라내는 것이 필요/바람직한가?

요 더 나은 단지 정확하게 설정한 융합/분리 기준?되지 않는 항상 도움이됩니다.치기 작품에서"아래";모델 생성을 위에서 아래로,그래서 튜닝 모델(을 달성하기로 동일한 혜택을 치기)없이 단지 하나 이상 의사 결정 노드 하지만 또한 아이는 노드(트리밍과 같은 나무 가까운 트렁크).그래서 삭제 한계 노드 또한 하나 이상 제거 강한 노드에 하위하는 한계 노을-하지만 modeler 지 않을 것을 알기 때문에 그/그녀의 튜닝을 제거한 노드를 생성에는 한계 노드입니다.치기 작품에서 다른 방향에서 가 하위(가장 낮은 수준의)아동 노드는 위로의 방향으로 루트 노드입니다.