候选消除法,一个特殊用例

我正在理解和学习候选消除过程,以找到假设空间。我对以下示例运行CEl时有些困惑:

我们有一个笼子,两个鸟可以生活在同一个笼子里。每只鸟的描述包括

  • 性别(雄性,雌性)
  • 颜色(红色,绿色,蓝色)
  • 原产地(美国,巴西,俄罗斯,澳大利亚,中国)

经过几次迭代后,我得到了以下S具体假设和G一般假设:

S << 雄性,红色,?>, < 雌性,蓝色,中国>>

G << ?,?,?,?>, < ?,?,?,?>>

现在,如果训练示例是:负例,即不能一起生活 << 雌性,红色,美国>, < 雌性,蓝色,澳大利亚>>

新的G一般假设会是什么?

让我写下我认为可能的答案:

新G

要么是:<< 雄性,?,?>, < ?,?,?>> &&<< ?,?,?>, < ?,?,中国>>

要么是:<< 雄性,?,?>, < ?,?,?>> &&<< ?,?,?>, < ?,?,中国>> &&<< ?,?,?>, < ?,?,俄罗斯>> &&<< ?,?,?>, < ?,?,巴西>> &&<< ?,?,?>, < ?,?,美国>>

我认为第二个是正确的,因为它是一般假设,应该足够一般以包括其余三个国家。


回答:

第二个是错误的,因为根据候选消除算法,对于G的每个最小特化,必须在S中有一个更具体的假设。但你添加了三个特化,而S中的单一假设并不更具体(S要求第二只鸟来自中国,而你添加到G中的最后三个特化要求其他特定的国家)。

第一个版本看起来是正确的。

请注意,这里有一个假设,即假设中两只鸟的顺序是有影响的。

Related Posts

L1-L2正则化的不同系数

我想对网络的权重同时应用L1和L2正则化。然而,我找不…

使用scikit-learn的无监督方法将列表分类成不同组别,有没有办法?

我有一系列实例,每个实例都有一份列表,代表它所遵循的不…

f1_score metric in lightgbm

我想使用自定义指标f1_score来训练一个lgb模型…

通过相关系数矩阵进行特征选择

我在测试不同的算法时,如逻辑回归、高斯朴素贝叶斯、随机…

可以将机器学习库用于流式输入和输出吗?

已关闭。此问题需要更加聚焦。目前不接受回答。 想要改进…

在TensorFlow中,queue.dequeue_up_to()方法的用途是什么?

我对这个方法感到非常困惑,特别是当我发现这个令人费解的…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注