Machine Learning(0001)

不少做人工智慧研究的人都得需要了解機械學習
不過大多數的中文書沒有針對某些機械學習理論作較深入的討論
這裡提供一些自己的學習心得跟大家分享
先介紹的是 eXtended Classifier System (XCS)
它是 Learning Classifier System (LCS) 的一個分支
這是目前相當多人在研究和應用的理論
當然，沒有完美的理論；所以，優缺點也一定都有。
不過，我個人喜歡的是它的學習結果是人類容易了解的 "Rule"。
說明白就是我們所說的：
如果明天下雨我們就不去郊遊
在 XCS 就是：
if 明天下雨 then 不去郊遊
看起來應該淺顯易懂吧。不像類神經網路那樣，像個魔術師的盒子，只知道輸入 A 會得到輸出 B，而為什麼會有這樣的關聯，還是沒人能看懂 "內幕"。

首先，XCS 是 Stewart W. Wilson 在 1995 提出的, 是屬於強化學習 (Reinforcement Learning) 的一種，也就是在嘗試錯誤中學習:








其學習步驟大致上為：
1) 代理人 (Agent) 從 環境取得身邊的狀態 (Local State 's') 。
2) 代理人執行決策後的動作 (Action 'a')。
3) 代理人會由環境的改變得到該有的獎懲 (Reward 'r')。當然既然是獎懲就代表著有好也有壞的回報值。