我是靠谱客的博主 迷你爆米花,最近开发中收集的这篇文章主要介绍机器学习:概念学习FIND-S算法C++实现,觉得挺不错的,现在分享给大家,希望可以做个参考。

概述

一、概念

概念学习:是指从有关某个布尔函数的输入输出训练样例中推断出该布尔函数。

二、概念学习任务

任何概念学习任务能被描述为:实例的集合X、实例集合上的目标函数c、候选假设的集合H以及训练样例的集合D。

例:目标概念:“Aldo进行水上运动的日子”

目标概念EnjoySport的正例和反例
ExampleSkyAirTemphumidityWindWaterForecastEnjoySport
1SunnyWarmNormalStrongWarmSameYes
2SunnyWarmHighStrongWarmSameYes
3RainyColdHighStrongWarmChangeNo
4SunnyWarmHighStrongCoolChangeYes

已知:

  实例集X:可能的日子,每个日子由下面的属性描述:

    sky:(可取值 sunny,Cloudy和Rainy)

    AirTemp:(可取值为Warm和Cold)

    Humidity:(可取值为Normal和High)

    Wind:(可取值为:Strong和Weak)

    Water:(可取值为Warm和Cold)

    Forecast:(可取值为Same和Change)

  假设集H:每个假设描述为6个属性:Sky,AirTemp,Humidity,Wind,Water和Forecast的值约束的合取。约束可以为“?”(表示接受任意值),“ø”(表示拒绝所有值),或一特定值

  目标概念C:EnjoySport: X->{0,1}

  训练样例集D:目标函数的正例和反例

求解:

  H中的一假设h,使对于X中任意x,h(x)=c(x)

 1.术语定义

实例集(X):概念定义的实例集合

目标概念(c):待学习概念或函数

训练样例(D):每个样例为X中的一个实例x以及它的目标概念值c(x)。c(x)=1的实例被称为正例(positive example),c(x)=0的实例为反例(negative example),经常用序偶<x,c(x)>来描述训练样例。

H表示所有可能假设的集合。H中每个假设H表示X上定义的布尔函数,即h:X->{0,1}。机器学习的目标就是寻找一个假设h,使对于X中的所有x,h(x)=c(x)。

归纳学习假设:任一假设如果在足够大的训练样例集中很好地逼近目标函数,它也能在未见实例中很好地逼近目标函数。

 2.作为搜索的概念学习

定义:令hj和hk为在X上定义的布尔函数。称hmore_general_than_or_equal_to hk(记做hjg hk当且仅当(∨x∈X)[(hk(x)=1)->(hj(x)=1)]

hj more_specific_than hk ,当hk more_general_than hj

3.FIND-S:寻找极大特殊假设

从H中最特殊假设开始,然后在该假设覆盖正例失败时将其一般化(当一假设能正确地划分一个正例时,称该假设“覆盖”该正例)。

                                        FIND-S算法

   1. 将h初始化为H中最特殊假设

   2.对每个正例x

    对h的每个属性约束ai

       如果x满足ai

       那么不做任何处理

       否则将h中ai替换为x满足的下一个更一般的约束

     3. 输出假设h

#include<iostream>
#include<string>
using namespace std;
string Concept[6];
void Find_S(string TestState[][7],int m,int n)
{
for(int i=0;i<n-1;i++)
{
Concept[i]=TestState[0][i];
}
for(int i=1;i<m;i++)
{
if(TestState[i][n-1].compare("Yes")==0)
{
for(int j=0;j<n-1;j++)
{
if(Concept[j].compare(TestState[i][j]))
{
Concept[j]="?";
}
}
}
}
}
int main()
{
string TestState[4][7]={{"Sunny","Warm","Normal","Strong","Warm","Same","Yes"},{"Sunny","Warm","High","Strong","Warm","Same","Yes"},
{"Rainy","Cold","High","Strong","Warm","Change","No"},{"Sunny","Warm","High","Strong","Cool","Change","Yes"}};
Find_S(TestState,4,7);
cout<<"<";
int i;
for(i=0;i<5;i++)
{
cout<<Concept[i]<<',';
}
cout<<Concept[i]<<">"<<endl;
system("pause");
return 0;
}


最后

以上就是迷你爆米花为你收集整理的机器学习:概念学习FIND-S算法C++实现的全部内容,希望文章能够帮你解决机器学习:概念学习FIND-S算法C++实现所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错,欢迎将靠谱客网站推荐给程序员好友。

本图文内容来源于网友提供,作为学习参考使用,或来自网络收集整理,版权属于原作者所有。
点赞(64)

评论列表共有 0 条评论

立即
投稿
返回
顶部