关于候选消除算法有点困惑

我在网上看到了一份关于候选消除算法的PPT演示文稿,在这里

我理解了前三个例子,但在阅读第四个例子时我感到困惑。为什么在第四个例子之后

G = {(?,?,blue,?,?),(Japan,?,?,?,Economy)}

而不是像这样的例子 G = {(Japan,?,Blue ,?,?),(?,?,?,?,Economy)}

有人可以给我一些解释吗?


回答:

在每次迭代时,你需要问自己 – 我的边界能正确分类我的例子吗?如果不能 – 我如何改变边界,使它们仍然是最大的但能正确分类这个例子。

在这种情况下,你得到的负面例子是(美国,克莱斯勒,红色,经济型),你的边界是:

G = {(?,?,blue,?,?),(Japan,?,?,?,Economy)}

这个例子在“蓝色”这个颜色方面没有教给你任何东西,事实上,说(Japan,?,Blue ,?,?)

  1. 比之前的边界更不通用
  2. 不能帮助你将负面例子标记为“负面”(因为它不是蓝色的车!)

另一方面,如果你查看边界(?, ?, ?, ?, Economy),你会发现负面例子确实符合它(即被错误分类为正面),所以你必须改变它!怎么改?通过将新的边界设置为(Japan,?,?,?,Economy)

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注