MỤC LỤC
Phần 1: Đặt vấn đề 1
Phần 2: Lý thuyết cơ sở của phương pháp suy diễn 2
I. Mô hình tổng quát của suy diễn
II. Suy diễn tiến
III. Suy diễn lùi
Phần 3: Lý thuyết cơ sở của phương pháp học bằng cây định danh 6
I. Định nghĩa về cây định danh 6
II. Phân tích bài toán 6
III. Thuật toán Quinlan 6
1. Thuật toán 6
2. Minh hoạ thuật toán 6
3. Nhận xét (độ đo hỗn loạn) 9
4. Phát sinh tập luật 10
5. Tối ưu hóa tập luật 10
6. Kết luận 12
Phần 4: Cài đặt ứng dụng minh họa 15
Phần 5: Kết luận 25
Tài liệu tham khảo 25
Chuyên đề: Học Bằng Phương Pháp Suy Diễn Và Xây Dựng Cây Định Danh
Phần 1
ĐẶT VẤN ĐỀ
Trong đời sống xã hội phát triển ngày nay, nhu cầu học hỏi và tìm hiều ngày
càng cao, đặc biệt trong lĩnh vực công nghệ thông tin trong những năm gần đây
phát triển như vũ bảo nhu cầu công nghệ và tri thức luôn luôn đòi hỏi. vì vậy
con người nghiên cứu thêm nhiều lĩnh vực mới và đạt được nhiều thành quả cao
nhằm phục vụ nhu cầu xã hội.
Từ khi trí tuệ nhân tạo ra đời cho đến nay, người ta không ngừng thực hiện các
công trình nghiên cứu để đưa tư tưởng nghiên cứu cùng với máy tính để ứng
dụng vào việc giải quyết các công việc trong thực tiễn đời sống.
Một trong những nguyên nhân làm cho trí tuệ nhân tạo trở thành một trong

những lĩnh vực mũi nhọn trong thời đại hiện nay là việc làm cho máy tính trở
nên thông minh hơn, nói cụ thể hơn là người ta tìm cách tạo ra các chương
trình thông minh hơn có khả năng giải quyết các vấn đề thực tế như cách giải
quyết của con người.
Một trong những lĩnh vực lý thú của trí tuệ nhân tạo được đề cập trong chuyên
đề này là Máy học. Tức là làm sao cho các chương trình có thể học từ các sai
lầm của chúng, từ những quan sát ngẫu nhiên hay từ các yêu cầu đặt ra của con
người. Nói cách khác là làm cho các chương trình có khả năng rút kinh nghiệm
từ những quan sát thực tế.
Trí tuệ và việc học có liên quan mật thiết với nhau chặt chẽ. Thật vậy trí tuệ sẽ
không tồn tại được nếu không tồn tại khả năng học hỏi. Và thông qua việc học
chương trình máy tính ngày càng biến hóa và phát triển thích ứng với môi
trường và yêu cầu phức tạp của xã hội hiện nay.
Chuyên đề sau đây sẽ là một khảo sát nhỏ về một phương pháp học trong trí tuệ
nhân tạo, đó là việc học bằng phương pháp suy diễn và xây dựng cây định
danh. Bài toán được đặt ra là từ một mẫu cơ sở dữ liệu có sẳn, máy tính có thể
phát hiện ra tính quy luật trong mẫu dữ liệu đó bằng phương pháp xây dựng cây
định danh và nhờ đó giúp con người đưa ra các quyết định nhanh chóng và
chuẩn xác.
Báo cáo chuyên đề
2
Chuyên đề: Học Bằng Phương Pháp Suy Diễn Và Xây Dựng Cây Định Danh
Phần 2
LÝ THUYẾT CƠ SỞ CỦA PHƯƠNG PHÁP SUY DIỄN
I. MÔ HÌNH TỔNG QUÁT CỦA SUY DIỄN
FACT: Tập sự kiện
HYPO: Tập giả thuyết
Operator MATCH(X,Y) =
a. Dẫn ra sự kiện mới
(1)IF MATCH(LHS, FACT) = T THEN ADD RHS TO FACT

(2)IF NOT MATCH(RHS, FACT)=F THEN ADD NOT(LHS) TO FACT
b. Tạo ra giả thuyết mới
(3)IF MATCH(LHS, FACT) = F THEN ADD NOT(RHS) TO HYPO
(4)IF MATCH(LHS, HYPO) =T THEN ADD RHS TO HYPO
(5)IF MATCH(LHS, HYPO) =F THEN ADD NOT(RHS) TO HYPO
(6)IF MATCH(RHS, FACT) =T THEN ADD LHS TO HYPO
(7)IF MATCH(RHS, HYPO) =T THEN ADD LHS TO HYPO
(8)IF MATCH(LHS, HYPO)=F THEN ADD NOT(LHS) TO HYPO
c. Khẳng định hay phủ định giả thuyết
(9) IF MATCH(hypo.FACT) = T THEN ADD hypo TO HYPO
(10) IF MATCH(hypo.FACT)=F THEN DELETE hypo TO HYPO
d. Tiếp nhận FACT mới từ bên ngồi
GET(FACT)
[] : Lặp lại nhiều lần
{} : Tuỳ chọn
Lập luận tiến: [(1)]
Lập luận lùi: (6) + [(7)] + {d} + (9) + [(1)]
Lập luận phản chứng: [(4)] + {d} + (10) + [(2)]
II. SUY DIỄN TIẾN
Suy diễn tiến: là quá trình suy luận xuất phát từ một sự kiện ban đầu,
xác định các sự kiện có thể được “sinh” ra từ các sự kiện này.
Ví du: Cho cơ sở tri thức được xác định như sau:
Báo cáo chuyên đề
3
T if X được lượng giá T trong Y
F if X được lượng giá F trong Y
? if X không thể lượng giá trong Y
Chuyên đề: Học Bằng Phương Pháp Suy Diễn Và Xây Dựng Cây Định Danh
Các sự kiện : A, B, C, D, E, F, G, H, K
Tập các quy tắc hay luật sinh (Rule)

{ R1: A-> E; R2: B->D;
R3: H->A; R4: E ^ G ->C;
R5: E ^ K -> B; R6: D ^ e ^ K -> C;
R7: G ^ K ^ F -> A;
}
Ví dụ (tiếp theo) ( suy diễn tiến)
Sự kiện ban đầu: H, K
R3: H -> A {A, H, K}
R1: A -> E {A, E, H, K}
R5: E ^ K -> B {A, B, E, H, K}
R2: B -> D {A, B, D, E, H, K}
R6: D ^ E ^ K -> C {A, B, C, D, E, H, K}
Tập hợp {A, B, C, D, E, H, K} được gọi là bao đóng của tập {H,K}
trên tập luật R ( gồm 7 luật như trên)
III. SUY DIỄN LÙI
Suy diễn lùi: là quá trình suy luận ngược xuất phát từ một số sự kiện ban
đầu, ta tìm kiếm các sự kiện đã “sinh” ra sự kiện này. Một ví dụ thường
gặp trong thực tế là xuất phát từ các trình trạng của máy tính, chuẩn
đoán xem máy tính đã bị hỏng hóc ở đâu.
Ví du: Tập các sự kiện
ổ cứng là « hỏng » hay « hoạt động bình thường »
hỏng màn hình
Lỏng cáp màn hình
Trình trạng đèn ổ cứng là « tắt » hoặc « sáng »
Có âm thanh đọc ổ cứng
Tình trạng đèn màn hình « xanh » hoặc « chớp đỏ »
Điện vào máy « có » hay « không »
Ví dụ (tt) ( Chuẩn đoán hỏng máy tính)
Một số luật suy diễn :
R1 : Nếu ( điện vào máy là « có ») và ( âm thanh đọc ổ cứng là

« không ») thì (ổ cứng « hỏng »).
R2 : Nếu (điện vào máy là « có ») và (tình trạng đèn ổ cứng là « tắt »)
thì (ổ cứng « hỏng »).
R3 : Nếu (điện vào máy là « có ») và ( tình trạng đèn màn hình là
« chớp đỏ ») thì (cáp màn hình « lỏng »).
Báo cáo chuyên đề
4
Chuyên đề: Học Bằng Phương Pháp Suy Diễn Và Xây Dựng Cây Định Danh
Để xác định được các nguyên nhân gây ra sự kiện « không sử dụng
được máy tính », ta phải xây dựng một cấu trúc đồ thị AND/OR như
sau :
Báo cáo chuyên đề
5
ổ cứng “hỏng” Cáp màn hình “lỏng”
Điện vào máy “có”
Tình trạng đèn
màn hình
“chớp đỏ”
Âm thanh ổ
cứng “không”
Đèn ổ cứng
“tắt”
AND
OR
AND
Chuyên đề: Học Bằng Phương Pháp Suy Diễn Và Xây Dựng Cây Định Danh
Ví dụ 1: Dữ liệu của một bảng quan sát gồm 4 thuộc tính của con người như
sau:
 Tóc có giá trị vàng, nâu, đỏ
 Chiều cao có giá trị cao, trung bình, thấp

 Cân nặng có giá trị nặng, nhẹ, trung bình
 Dùng kem chống nắng có giá trị có dùng kem, không dùng kem
thì khi đi tắm biển người đó có bị cháy nắng hay không?
Dữ liệu quan sát được cho trong bảng sau:
Tên Màu tóc Chiều cao Cân nặng Dùng kem? Kết quả
Sarah Vàng Trung bình Nhẹ Không Cháy nắng
Dana Vàng Cao Trung bình Có Không
Alex Nâu Thâp Trung bình Có Không
Annie Vàng Thấp Trung bình Không Cháy nắng
Emilie Đỏ Trung bình Nặng Không Cháy nắng
Peter Nâu Cao Nặng Không Không
John Nâu Trung bình Nặng Không Không
Kartie Vàng Thấp Nhẹ Có Không
(Bảng 1)
Sau khi dữ liệu này được đưa vào chương trình máy tính thì chương trính sẽ
trả lời các tính quy luật như sau:
Làm sao máy tính làm được việc này? Ta hãy nghiên cứu kỹ hơn trong phần lý
thuyết cơ sở của phương pháp học bằng xây dựng cây định danh.
Báo cáo chuyên đề
6
1. (Màu tóc Vàng) và (có dùng kem) à không cháy nắng
2. (Màu tóc nâu) và (không dùng kem) à cháy nắng
3. (Màu tóc nâu) à không cháy nắng
4. (Màu tóc đỏ) à cháy nắng
Chuyên đề: Học Bằng Phương Pháp Suy Diễn Và Xây Dựng Cây Định Danh
Phần 3
LÝ THUYẾT CƠ SỞ CỦA PHƯƠNG PHÁP HỌC BẰNG
XÂY DỰNG CÂY ĐỊNH DANH
I. ĐỊNH NGHĨA VỀ CÂY ĐỊNH DANH:
Cây định danh là cây mà nếu ta đi từ nút gốc đến các lá ta sẽ có một quyết định

hay một quy luật dựa vào các thuộc tính trên đường đi từ gốc đến lá, như vậy
mỗi đường đi từ nút gốc đến nút lá sẽ cho ra một quyết định hay một quy luật.
Vì vậy người ta còn gọi cây định danh là cây quyết định.
Ví dụ: Với ví dụ 1 ở trên thì cây định danh được xác định như sau:
Các kết luận hay quyết định cho cây định danh này được đưa ra như hình số 1
II. PHÂN TÍCH BÀI TOÁN:
Bài toán học bằng phương pháp xây dựng cây định danh được phân tích và khai
thác qua các bước sau đây, dựa vào bảng dữ liệu ở bảng số 1 ở phần đặt vấn đề.
Người ta dựa vào ý tưởng tiếp cận hình học là phân chia không gian bài toán
tạo thành một cây định danh sau đó xây dựng các phương pháp học dựa trên
cây định danh đó. Cây định danh được xây dựng bằng cách tìm các quy luật của
dữ liệu.
Gọi P là tập hợp những người quan sát được:
Báo cáo chuyên đề
7
Màu tóc
Dùng kem
Cháy nắng
- Emmile
Ñoû
Nâu
Không cháy nắng
- Alex
- Peter
- John
Vàng
Không
Có
Cháy nắng
- Sarah

- Annie
Không cháy nắng
- Dana
- Kartie
Chuyên đề: Học Bằng Phương Pháp Suy Diễn Và Xây Dựng Cây Định Danh
1. Ta xét ngẫu nhiên qua từng thuộc tính rồi phân nhóm kết quả theo từng giá
trị của thuộc tính
Quan sát thuộc tính tóc ta có:
P
vàng
= {Sarah, Dana, Annie, Kartie}
P
nâu
= {Alex, Peter, John }
P
đỏ
= {Emmile}
Người được gạch dưới và in đậm là bị cháy nắng, ta có sơ đồ sau:
Ta thấy P
vàng
còn lẫn lộn người cháy nắng và không cháy nắng, tiếp tục quan
sát thuộc tính kế tiếp là thuộc tính chiều cao với các tập hợp còn lẫn lộn này
ta có:
P
vàng, thấp
= {Annie, Kartie}
P
vàng, trung bình
= {Sarah}
P

vàng, cao
= {Dana}
2. Thực hiện quá trình như số 1 cho đến khi tất cả các nút lá của cây không còn
lẫn lộn giữa cháy nắng và không cháy nắng nữa. Qua mỗi bước phân hoạch
Báo cáo chuyên đề
8
Màu tóc
- Emmile
Đỏ
Nâu
- Alex
- Peter
- John
Vàng
- Dana
- Kartie
- Sarah
- Annie
Màu tóc
- Emmile
Đỏ
Nâu
- Alex
- Peter
- John
Vàng
Chiều cao
- Dana
Cao
Trung bình

- Sarah
Thấp
- Kartie
- Annie
Chuyên đề: Học Bằng Phương Pháp Suy Diễn Và Xây Dựng Cây Định Danh
như vậy cây ngày càng phình ra đến khi xét hết các thuộc tính thì cây cuối
cùng là cây định danh có khả năng cho ta các kết luận cuối cùng.
3. Nhận xét: Như vậy nếu ta chọn các thuộc tính ngẫu nhiên khác nhau thì kết
quả cuối cùng sẽ cho ra cây định danh cuối cùng khác nhau. Với nhận xét
này ta thấy nếu ta chọn thuộc tính đầu tiên theo một cách nào đó thông minh
hơn dựa vào tần xuất xuất hiện của giá trị dữ liệu trên thuộc tính thì có thể sẽ
cho ta một cây định danh đơn giản hơn. Việc chọn thuộc tính như thế nào là
thông minh hơn ta sẽ xem thuật toán Quinlan sau đây:
III. THUẬT TOÁN QUINLAN:
1. Thuật toán:
 Với mỗi thuộc tính dẫn xuất A còn có thể sử dụng để phân hoạch thì ta
tính:
V
A
(j) = (T(j, r
1
), T(j, r
2
), …, T(j, r
n
), )
T(j, r
i
) =
Trong đó r

1
, r
2
, …, r
n
là các giá trị thuộc tính mục tiêu. Như vậy nếu một
thuộc tính A có thể nhận một trong 5 giá trị khác nhau thì nó sẽ có 5
vector đặc trưng.
 Một vector V(A
j
) được gọi là vector đơn vị nếu nó có duy nhất một thành
phần có giá trị 1 và những thành phần khác có giá trị 0.
 Thuộc tính được chọn để phân hoạch là thuộc tính có nhiều vector đơn vị
nhất.
2. Minh họa thuật toán:
a. Bước 1:
 Xét thuộc tính Màu tóc
- Xét giá trị Tóc vàng:
V
tóc
(vàng) = {T(vàng, cháy nắng), T(vàng, không cháy nắng)}
Số người tóc vàng là: 4
Số người tóc vàng và cháy nắng là: 2
Số người tóc vàng và không cháy nắng là: 2
Như vậy: V
tóc
(vàng) = (2/4, 2/4) = (0.5, 0.5)
- Tương tự xét giá trị tóc nâu:
Báo cáo chuyên đề
9

Tổng số phần tử trong phân hoạch có giá trị thuộc tính dẫn xuất là
A là j và có giá trị thuộc tính mục tiêu là r
i
Tổng số phần tử trong phân hoạch có giá trị thuộc tính dẫn xuất là A là
j
Chuyên đề: Học Bằng Phương Pháp Suy Diễn Và Xây Dựng Cây Định Danh
Số người tóc nâu là: 3
Số người tóc nâu và cháy nắng là: 0
Số người tóc nâu và không cháy nắng là: 3
Như vậy: V
tóc
(nâu) = (0/3, 3/3) = (0, 1) à vector đơn vị
- Tóc đỏ:
V
tóc
(đỏ) = (1/1, 0/1) = (1, 0) à Vector đơn vị
Tổng số vector đơn vị của thuộc tính Màu Tóc là 2
 Xét thuộc tính Chiều cao
V
chiều.cao
(cao) = (0/2, 2/2) = (0, 1)
V
chiều.cao
(trung bình) = (2/3, 1/3)
V
chiều.cao
(thấp) = (1/3, 2/3)
 Xét thuộc tính Cân nặng
V
cân.nặng

(nhẹ) = (1/2, 1/2)
V
cân.nặng
(trung bình) = (1/3, 2/3)
V
cân.nặng
(nặng) = (1/3, 2/3)
 Xét thuộc tính Dùng kem
V
dùng.kem
(có) = (3/4, 0/3) = (0, 1)
V
dùng.kem
(không) = (3/5, 2/5)
Như vậy: thuộc tính màu tóc có số vector đơn vị nhiều nhất (2 vector đơn vị)
nên sẽ được chọn đầu tiên để phân hoạch.
Sau khi phân hoạch theo tóc vàng ta có tập phân hoạch:
Tên Chiều cao Cân nặng Dùng kem? Kết quả
Sarah Trung bình Nhẹ Không Cháy nắng
Dana Cao Trung bình Có Không
Annie Thấp Trung bình Không Cháy nắng
Kartie Thấp Nhẹ Có Không
(Bảng số 2)
b. Bước 2:
Trong tập phân hoạch này ta thấy còn chứa những người cháy nắng và
không cháy nắng, tiếp tục phân hoạch tập này. Tính vector đặc trưng trên các
tập còn lại (chiều cao, cân nặng, dùng kem).
 Xét thuộc tính Chiều cao
Báo cáo chuyên đề
10

Chuyên đề: Học Bằng Phương Pháp Suy Diễn Và Xây Dựng Cây Định Danh
V
chiều.cao
(cao) = (0/1, 1/1) = (0, 1)
V
chiều.cao
(trung bình) = (1/2, 0/1) = (0, 1)
V
chiều.cao
(thấp) = (1/2, 1/2)
 Xét thuộc tính Cân nặng
V
cân.nặng
(nhẹ) = (1/2, 1/2)
V
cân.nặng
(trung bình) = (1/2, 1/2)
V
cân.nặng
(nặng) = (0, 0)
 Xét thuộc tính Dùng kem
V
dùng.kem
(có) = (0/2, 2/2) = (0, 1)
V
dùng.kem
(không) = (2/2, 0/2) = (0, 1)
Vì hai thuộc tính dùng kem và chiều cao đều có cùng 2 vector đơn vị, tuy
nhiên số phân hoạch của thuộc tính dùng kem là ít hơn nên ta chọn phân
hoạch theo thuộc tính dùng kem. Những tập phân hoạch đạt được trong bước

này không còn lẫn lộn người cháy nắng và không cháy nắng nên thuật toán
kết thúc.
Ta có cây định danh cuối cùng:
3. Nhận xét (độ đo hỗn loạn):
Thay vì phải xây dựng vector đặc trưng như phương pháp của Quinlan, ứng
với mỗi thuộc tính dẫn xuất ta chỉ cần tính ra độ đo hỗn loạn và lựa chọn
thuộc tính nào có độ đo hỗn loạn là thấp nhất. Người ta tính được công thức
như sau:
Gọi T
A
là độ đo hỗn loạn của một thuộc tính A, ta có:
Báo cáo chuyên đề
11
Màu tóc
Dùng kem
- Emmile
Đỏ
Nâu
- Alex
- Peter
- John
Vàng
KhôngCó
- Sarah
- Annie
- Dana
- Kartie
j
b
j

b
t
x
b
j
b
t
- x log
2
b
j
b
t
-
T
A
=
Chuyên đề: Học Bằng Phương Pháp Suy Diễn Và Xây Dựng Cây Định Danh

Trong đó:
o b
t
là tổng số phần tử có trong phân hoạch
o b
j
là số phần tử có thuộc tính dẫn xuất A có giá trị j
o b
ri
là tổng số phần tử có thuộc tính dẫn xuất A có giá trị j và thuộc tính
mục tiêu có giá trị i.

*** Tính độ đo hỗn loạn trong bài toán trên:
o Tập tóc Vàng có 2 người cháy nắng và 2 người không cháy nắng;
o Tập tóc Đỏ chỉ có 1 người cháy nắng;
o Tập tóc Nâu cả 3 người không cháy nắng, độ đo hỗn loạn được tính như
sau, và cho kết quả là 0.5
T
tóc
= 4/8(-2/4log
2
2/4 – 2/4log
2
2/4) + 1/8(-1/1log
2
1/1 – 0/1log
2
0/1)
+ 3/8(-3/3log
2
3/3)
T
tóc
= 4/8(-2/4log
2
2/4 – 2/4log
2
2/4) + 1/8*0 + 3/8*0
T
tóc
= 0.5
Tính tương tự ta có:

T
chiều.cao
= 0.69
T
cân.nặng
= 0.94
T
dùng.thuốc
= 0.61
à ta chọn được thuộc tính màu tóc để phân hoạch
Tiếp tục tính độ đo hỗn loạn trên các thuộc tính còn lại
T
chiều.cao
= 0.5
T
cân.nặng
= 1.0
T
dùng.thuốc
= 0.0
à thuộc tính tiếp theo được chọn là dùng thuốc (T
A
= 0)
4. Phát sinh tập luật:
Dựa vào cây định danh được xây dựng như trong hình số 5 mục 2, các quyết
định được phát sinh như sau: Người ta theo các nhánh của cây từ gốc đến lá
lấy các thử nghiệm là giả thiết và lấy nút lá làm kết luận, có các luật sau:
Báo cáo chuyên đề
12
1. (Màu tóc vàng) và (có dùng kem) à không cháy nắng

2. (Màu tóc nâu) và (không dùng kem) à cháy nắng
3. (Màu tóc nâu) à không cháy nắng
4. (Màu tóc đỏ) à cháy nắng
Chuyên đề: Học Bằng Phương Pháp Suy Diễn Và Xây Dựng Cây Định Danh
Vấn đề còn lại là làm sao tối ưu hóa tập luật này nếu nó có tồn tại luật dư
thừa.
5. Tối ưu hóa tập luật:
a. Loại bỏ giả thiết không cần thiết trong luật:
Sau khi các luật chuyển từ cây định danh, có thể bỏ đi các luật không cần
thiết để đơn giản tập các luật được sinh ra, người ta sẽ bỏ đi những giả
thiết nào có thể bỏ đi mà không thay đổi tác dụng của luật đối với mẫu
Ta lần lượt xét 4 tập luật ở trên:
• Xét luật 1:
IF (Màu tóc Vàng) và (có dùng kem) THEN không cháy nắng
Giả thiết có 2 phần, nếu bỏ đi phần “màu tóc”, còn lại “có dùng kem”,
theo các mẫu, người có dùng kem là {Dana, Alex, Kartie} cả 3 người
này không ai bị cháy nắng, tức là không ai trái với phần kết luận cả.
Do đó người ta có thể bỏ đi phần giả thiết về “màu tóc” để có luật sau
vẫn tương đương:
IF (có dùng kem) THEN không cháy nắng
Để dễ dàng trong suy luận người ta đưa ra bảng ngẫu nhiên (gọi là
bảng ngẫu nhiên vì kết quả của bảng phụ thuộc vào dữ liệu cho trong
bảng quan sát) như sau:
Màu tóc Người không cháy nắng Người bị cháy nắng
Tóc vàng
Tóc không vàng
2
1
0
0

Bảng trên cho thấy một tri thức là người có tóc vàng không quyết định
gì trong việc họ có bị cháy nắng hay không (vì không có người tóc
vàng nào bị cháy nắng) à có thể loại bỏ thuộc tính tóc trong luật 1
Nếu bỏ đi thuộc tính dùng kem ta có:
Dùng kem Người không cháy nắng Người bị cháy nắng
Có dùng
Không dùng
2
0
0
2
Báo cáo chuyên đề
13
Chuyên đề: Học Bằng Phương Pháp Suy Diễn Và Xây Dựng Cây Định Danh
Rõ ràng ta không thể loại bỏ thuộc tính “dùng kem” này trong luật này
• Xét luật 2:
IF (Màu tóc nâu) và (không dùng kem) THEN cháy nắng
Bỏ giả thiết “màu tóc”:
Màu tóc Người không cháy nắng Người bị cháy nắng
Tóc vàng
Tóc không vàng
0
2
2
2
Bỏ giả thiết “dùng kem”:
Dùng kem Người không cháy nắng Người bị cháy nắng
Có dùng
Không dùng
2

0
0
2
Hai bảng trên cho thấy không thể bỏ đi giả thiết nào trong luật này vì
người ta không thể bảo đảm kết luận vẫn đúng nếu bỏ đi một trong 2
giả thiết đã cho, có nghĩa là luật này không thể cho đơn giản hơn được
nữa.
• Xét luật 3 và 4 ta cũng không thể loại bỏ giả thiết nào.
Tóm lại: Sau khi loại bỏ giả thiết thừa, tập luật trên có thể tóm gọn hơn
như sau:
b. Loại bỏ luật thừa:
Nếu suy luận kỹ hơn chút nữa sau khi loại bỏ giả thiết thừa trong phần
(a), ta có thể thấy rằng đôi khi cũng còn có luật thừa vì trùng suy luận
thông tin với các luật khác trong tập luật. Ta dùng các suy luận sau đây
để loại bỏ luật thừa:
Với tập luật thu được ở hình số 7 ta thấy có 2 kết luận không cháy nắng
(luật 1 & 3) và 2 kết luận cháy nắng (luật 2 & 4). Người ta có thể dùng
luật mặc định để thay thế một hay nhiều luật có trong tập luật nếu luật
mặc định đó không làm mất đi tính đúng đắn ban đầu. Luật mặc định là
luật được dùng chỉ khi không có luật nào. Do có hai kết luận nên có hai
khả năng của luật mặc định:
Báo cáo chuyên đề
14
5. (Có dùng kem) à không cháy nắng
6. (Màu tóc nâu) và (không dùng kem) à cháy nắng
7. (Màu tóc nâu) à không cháy nắng
8. (Màu tóc đỏ) à cháy nắng
Chuyên đề: Học Bằng Phương Pháp Suy Diễn Và Xây Dựng Cây Định Danh
IF không có giả thiết THEN người đó bị cháy nắng (a)
IF không có giả thiết THEN người đó không cháy nắng (b)

Dễ thấy rằng luật mặc định (a) có thể thay thế cho luật (2) và luật (4) vì
“không có giả thiết” đại diện cho nhiều giả thiết nhất “màu tóc nâu”,
“không dùng kem” và “màu tóc đỏ”
Như vậy tập luật hình 7 có thể thay thế bằng một tập luật khác sau khi
loại bỏ luật bằng cách thay thế vào luật mặc định đại diện cho luật 2 & 4
như sau:
6. Kết luận:
Sau khi dùng thuật toán Quinlan để xây dựng cây định danh, người ta
chuyển về tập luật, đồng thời tối ưu hóa tập luật bằng việc loại bỏ các giả
thiết thừa, loại bỏ giả thiết không gây ảnh hưởng đến tập luật. Sau đó loại bỏ
luật thừa bằng thay thế vào luật mặc định dựa trên hơn hai tập luật có cùng
chung kết luận mà có nhiều giả thiết nhất.
Phần 4
CÀI ĐẶT ỨNG DỤNG MINH HỌA
Trong phạm vi đề tài này em chỉ thực hiện được một phần của các lỗi phần
cứng của dòng máy laptop hiệu Acer, đề tài này có thể nghiên cứu mở rộng cho
tất các các dòng máy laptop có trên thị trường.
1. Dữ liệu các lỗi phần cứng của dòng máy laptop hiệu Acer
Thông báo Nguyên nhân và cách khắc phuc
Struck key
Nối lại dây bàn phím
Thay bàn phím
Thay mainboard
Báo cáo chuyên đề
15
1. (Có dùng kem) à không cháy nắng
2. (Màu tóc nâu) à không cháy nắng
3. (không có giả thiết) à cháy nắng
Chuyên đề: Học Bằng Phương Pháp Suy Diễn Và Xây Dựng Cây Định Danh
System CMOS checksum bad –

default configuration used
Thay pin CMOS
Setup lại BIOS
Real time clock error
Thay pin CMOS
Setup lại BIOS
Lỗi mainboard
Previous boot incomplete – default
configuration used
Setup BIOS mặc định
Thay pin CMOS
Lỗi Mainboard
Invalid System Configuration Data
Setup BIOS mặc định
Lỗi Mainboard
Operating system not found
Kiểm tra hệ điều hành
Kiểm tra đĩa cứng trong BIOS
Lỗi đĩa cứng
Lỗi Mainboard
Đền nguồn tắt, màn hình tối
Kiểm tra pin/cục sạc
Kiểm tra các dây nối
Kiểm tra RAM
Lỗi Mainboard
Đèn nguồn sáng, màn hình tối
Kiểm tra pin/cục sạc
Kiểm tra dây màn hình LCD
Lỗi đĩa cứng
Lỗi dây màn hình LCD

Lỗi mạch cao áp màn hình
Lỗi màn hình
Lỗi Mainboard
Đền nguồn sáng, màn hình LCD tối,
nhưng vẫn nhìn thấy ở màn hình gắn
ngoài
Kiểm tra dây màn hình LCD
Hỏng dây màn hình
Lỗi mạch cao áp màn hình
Lỗi màn hình
Lỗi Mainboard
Đèn nguồn sáng, chỉ thấy con trỏ
chuột lúc khởi động
Kiểm tra các dây nối
Lỗi Mainboard
Báo cáo chuyên đề
16
Chuyên đề: Học Bằng Phương Pháp Suy Diễn Và Xây Dựng Cây Định Danh
Lỗi màn hình
Triệu chứng Nguyên nhân và cách khắc phục
Đèn backlight không sáng
Cắm thử màn hình ngoài vào cổng
VGA ngoài, setup BIOS về mặc
định, khởi động lại máy
Cắm lại dây màn hình LCD
Hỏng dây màn hình
Hỏng mạch cao áp
Hỏng màn hình
Hỏng Mainboard
Màn hình tối. khong thể hiệu chỉnh

độ sáng màn hình
Setup BIOS mặc định, khởi động lại
máy.
Cắm lại dây màn hình LCD
Lỗi bàn phím ( nút điều chỉnh độ
sáng bị hỏng)
Hỏng cáp LCD
Hỏng mạch cao áp
Hỏng màn hình
Hỏng Mainboard
Màn hình không đọc được, mất điểm
trên màn hình, màu bị sai
Cắm lại dây màn hình
Hỏng dây màn hình
Hỏng màn hình
Hỏng Mainboard
Lỗi đèn chỉ thị:
Triệu chứng Nguyên nhân và cách khắc phục
Máy chạy bình thường, nhưng đèn
báo nguồn hiển thị không chính xác
Lỗi Mainboard
Đèn ổ cứng/CD không sáng
Lỗi ổ cứng/CD
Lỗi driver trong windows
Lỗi Mainboard
Lỗi liên quan đến nguồn:
Triệu chứng Nguyên nhân và cách khắc phục
Máy tắt đột ngột trong lúc chạy Sạc lại Pin
Báo cáo chuyên đề
17

Chuyên đề: Học Bằng Phương Pháp Suy Diễn Và Xây Dựng Cây Định Danh
Hỏng pin hoặc cục sạc
Hỏng quạt hoặc bộ phận giải nhiệt
Lỗi Mainboard
Không thể bật máy
Sạc lại Pin
Hỏng Pin hoặc cục sạc
Hỏng CPU
Hỏng Mainboard
Không thể tắt máy
Trong winxp, giữ nút power khoảng
4 giây, nếu máy tắt được thì
mainboard tốt à lỗi win
Nếu không được : Lỗi WIN
Không thể sạc hoặc xả pin
Lỗi Pin
Lỗi Mainboard
Treo máy trong quá trình POST
Lỗi ổ CD/ổ cứng/RAM
Lỗi Mainboard
Không thể chạy chế độ Hibernate
Chỉnh Power Option trong windows
xp
Lỗi ổ cứng
Lỗi Mainboard
Máy không standby khi đóng nắp
Lỗi driver quản lý nguồn trong
windows
Hỏng công tắc chuyển ở bản lề nắp
máy

Lỗi Mainboard
Máy không hoạt động lại sau khi
Hibernate/Standby
Thử nọi cục sạc vào
Kiểm tra pin
Lỗi ổ cứng
Lỗi Mainboard
Máy không hoạt động lại sau khi mở
nắp
Kiểm tra công tắc chuyển ở bản lề
nắp máy
Lỗi Mainboard
Dung lượng Pin không bao giờ vượt
quá 90% trong windows
Xả Pin (dùng đến khi hết) rồi xạc lại
Hỏng Pin
Lỗi Mainboard
Báo cáo chuyên đề
18
Chuyên đề: Học Bằng Phương Pháp Suy Diễn Và Xây Dựng Cây Định Danh
Máy hay treo trong một khoảng thời
gian
Kiểm tra dây nối đĩa cứng/CD
Lỗi Mainboard
Lỗi liên quan đến card PCMCIA:
Máy không nhận được card PCMCIA
Kiểm tra khe cắm PCMCIA
Lỗi Mainboard
Không thể đưa card vào hoặc lấy
card ra

Kiểm tra khe cắm PCMCIA có bị
khoá không
Lỗi Mainboard
Lỗi liên quan đến bộ nhớ:
Kích thước bộ nhớ hiển thị không
chính xác
Setup BIOS mặc định, khởi động lại
máy
Lỗi RAM
Lỗi Mainboard
Kiểm tra lại phiên bản BIOS
Máy khởi động được, nhưng nghe 2
tiếng bíp, màn hình tối
Cắm lại RAM
Lỗi RAM
Lõi Mainboard
Lỗi liên quan đến âm thanh:
Không có âm thanh trong windows
Chỉnh lại volume
Kiểm tra driver card âm thanh
Kiểm tra loa và dây loa
Lỗi Mainboard
Loa phát ra tiếng ồn
Kiểm tra loa
Lỗi Mainnboard
Micro không hoạt động
Kiểm tra driver âm thanh
Chỉnh volume cho micro
Lỗi Mainboard
Lỗi liên quan đến thiết bị ngoại vi:

Thông tin cấu hình hệ thống không
chính xác
Setup BIOS mặc định, khởi động lại
máy
Kiểm tra kết nối đĩa cứng/CD/ và các
thiết bị ngoại vi khác
Lỗi Mainboard
Báo cáo chuyên đề
19
Chuyên đề: Học Bằng Phương Pháp Suy Diễn Và Xây Dựng Cây Định Danh
Màn hình gắn ngoài không hoạt động
Ấn Fn+F5 để chuyển sang màn hình
LCD/CRT hoặc cả 2 cùng lúc
Lỗi bàn phím
Lỗi Mainboard
Thiết bị USB không hoạt động Lỗi Mainboard
Lỗi về in ấn
Setup BIOS mặc định, khởi động lại
máy,
Chạy chương trình kiểm tra máy in
Kiểm tra driver máy in
Lỗi máy in
Lỗi Mainboard
Lỗi cổng máy in
Setup BIOS mặc định, khởi đọng lại
máy tính
Lỗi driver cổng
Lỗi cáp cổng
Lỗi cổng
Lỗi Mainboard

Lỗi bàn phím/Chuột:
Bàn phím hoặc một số phím không
hoạt động
Kiểm tra dây nối bàn phím
Lỗi bàn phím
Lỗi Mainboard
Chuột không hoạt động
Kiểm tra dây touchpad
Lỗi bo touchpad
Lỗi Mainboard
Lỗi Modem/Lan:
Modem không hoạt động
Kiểm tra dây điện thoại
Kiểm tra driver
Kiểm tra dây nối modem
Lỗi Mainboard
Card mạng không hoạt động
Kiểm tra dây mạng
Kiểm tra driver
Lỗi Mainboard
Báo cáo chuyên đề
20
Chuyên đề: Học Bằng Phương Pháp Suy Diễn Và Xây Dựng Cây Định Danh
2. Hướng dẫn cài đặt và thực hiện chương trình:
+ Chương trình chạy trên hệ điều hành Windows.
+ Chương trình đơn giản không cần cài đặt
+ Các bước thực hiện chương trình:
Mở tập tin chuongtrinhkiemloi.accdb xuất hiện form giao diện cho phép chọn 1
trong các sự kiện mà máy tính báo lỗi, xuất hiện thông tin chi tiết cách khắc
phục sự kiện, nếu chưa có sự kiện đó thì phần mềm cho phép người dùng thêm

sự kiện mới vào và cách khắc phục của sự kiện đó.
Một số hình ảnh về phần mềm đơn giản:
+ Database của phần mềm:

Giao di ện của phần mềm:
Báo cáo chuyên đề
21
Chuyên đề: Học Bằng Phương Pháp Suy Diễn Và Xây Dựng Cây Định Danh
Một số dự kiện khác như OnClick, OnUpdate, OnEnter …
Phần 5
KẾT LUẬN
Được học môn Công nghệ tri thức do GS.TSKH Hoàng Kiếm giảng dạy, chúng
em đã học được rất nhiều điều lý thú đặc biệt là các vấn đề có liên quan đến trí
tuệ nhân tạo và công nghệ tri thức ngày nay.
Bài thu hoạch này đã khái quát lên một cách học truyền thống và thú vị của
chương trình máy tính đó là “Học bằng phương pháp suy diễn và xây dựng
cây định danh”. Phương pháp học này đã được áp dụng trong thực tế và đã giải
được một số bài toán quan trọng trong việc tìm ra tri thức trong một tập hợp dữ
liệu có sẵn. Đặc biệt là trong thời đại công nghệ thông tin hiện nay, sự bùng nổ
thông tin với nền kinh tế thị trường thì việc nghiên cứu phương pháp học này
của chương trình máy tính đã góp phần mang tính chiến lược cho công nghệ tri
thức hiện nay.
Báo cáo chuyên đề
22
Chuyên đề: Học Bằng Phương Pháp Suy Diễn Và Xây Dựng Cây Định Danh
Bài thu hoạch đã mô tả cách học bằng phương pháp suy diễn và xây dựng cây
định danh của chương trình máy tính như thế nào? Đồng thời đã ứng dụng cài
đặt thuật toán để giải quyết bài toán thực tế đã nêu ra.
Tuy nhiên do thời gian và kiến thức còn gói gọn trong môn học nên chuyên đề
sẽ không tránh được những sai xót, em mong nhận được sự đóng góp xây dựng

tích cực của thầy Hoàng Kiếm cùng các bạn.
Cuối cùng, Em xin chân thành cám ơn sự giảng dạy và hướng dẫn nhiệt tình
của thầy cũng như nhà Trường đã tạo điều kiện thuận lợi giúp em hoàn thành
chuyên đề.
Báo cáo chuyên đề
23
Chuyên đề: Học Bằng Phương Pháp Suy Diễn Và Xây Dựng Cây Định Danh
TÀI LIỆU THAM KHẢO
1. Bài giảng Công Nghệ Tri Thức và Ứng Dụng
Tác giả: GS.TSKH Hoàng Kiếm
2. Giáo trình điện tử Cơ Sở Dữ Liệu Nâng Cao, Công Nghệ Tri Thức và Trí Tuệ
Nhân Tạo
Biên soạn: Trung tâm thông tin – ĐH Quốc Gia Tp. HCM
3. />Báo cáo chuyên đề
24