algorithm - 候选消除算法

  显示原文与译文双语对照的内容
0 0

请看下面的训练数据集。

big,   red,  circle,   No  
small, red,  triangle, No  
small, red,  circle,   Yes  
big,   blue, circle,   No  
small, blue, circle    Yes  

我想知道这个算法,当它启动负收益,如果两个反面例子息息相关。

这不是赋值的问题顺便说一下

例子与其他数据集也欢迎 ! 这就是去发现负的算法的一部分。

时间: 原作者:

0 0

为假设空间( H ),则设置开始你最大限度的常规( G ) 最大限度地发挥特定( S ) 猜想:

G1 = {<?, ?, ?>}
S1 = {<0, 0, 0>}

当你遇到负示例,需要从S 中移除任何假说与当前观察不一致并替换任何不一致假设G 及其最小专用化中保持一致的观察,更要比一些常规S 的成员。

因此,对于你的第一个( 负) 例如, (big, red, circle),最小专用化能作出新的假设空间

G2 = {<small, ? , ?>, <?, blue, ?>, <?, ?, triangle>}
S2 = S1 = {<0, 0, 0>}

请注意,S 不会更改。 有关下一个示例, (small, red, triangle),也是负数,则需要进一步专用化G 。 需注意的是,假设在G2不匹配新的观测,因此只有第一个和第三个假设在G2需要专业。 那将yield

G3 = {<small, blue, ?>, <small, ? circle>, <?, blue, ?>, <big, ?, triangle>, <?, blue, triangle>}

然而,由于中第一个和最后一个假设G3上面中间的专用化假说( <?, blue, ?>),我们把这两个,使

G3 = {<small, ? circle>, <?, blue, ?>, <big, ?, triangle>}
S3 = {<0, 0, 0>}

为正 (small, red, circle)观察,你必须概括S 并删除任何G 中点燃不一致,

G4 = {<small, ?, circle>}
S4 = {<small, red, circle>}

(big, blue, circle)是下一个负面例子。 但因为它在与G 不符,没什么需要这样做

G5 = G4 = {<small, ?, circle>}
S5 = S4 = {<small, red, circle>}

最后,你有积极的例子 (small, blue, circle),需要你概括S 以使其保持一致例如,给

G5 = {<small, ?, circle>}
S5 = {<small, ?, circle>}

因为G 和S 相等,你已经了解了的概念" 小圆点" 。

原作者:
...