候选消除算法 python

最新推荐文章于 2020-03-13 01:14:04 发布
最新推荐文章于 2020-03-13 01:14:04 发布
阅读量1.8k 收藏
点赞数

程序主要由以下模块组成：
样例与正/反例的一致性判断
样例单个属性与对应假设单个属性的特殊性、一致性和一般性判断
求所有极小泛化式h，其中h与d一致，且G有成员比h更一般
求所有极小特殊化式h，其中h与d一致，且S有成员比h更特殊
正例：对于S中每个与d不一致的假设s的处理
反例：对于G中每个与d不一致的假设g的处理

python代码包括注释在内大概380行不到，只有训练过程及输出训练结果，没有写保存训练结果并据此进行新的样例判断模块。最终实现程序见下面的地址（已使用py2exe转换）：

http://download.csdn.net/detail/u013754134/7047101
--------------------- 
 

lansebandaoti
关注
概念学习-候选消除算法-Python实现
海阔天空
04-10 4118
本文最后修改时间：20180330 1、概念学习原型 已知 实例空间 X :使用属性描述的实例（定义域） 概念空间 C :目标概念集合（值域） 假设空间 H :假设集合 (各种映射的集合) 训练集合 D :目标概念的正例和反例 （已知的点） ⟨x1,c(x1)⟩,⟨x2,c(x2)⟩,...,⟨xm,c(xm)⟩⟨x1,c(x1)⟩,⟨x2,c(x2)⟩,...,⟨xm,c(...
《机器学习》第2章中候选消除（CANDIDATE-ELIMINATION）算法的python实现随笔
略彩的专栏
03-16 3467
先放上“我是一只奋斗的小菜鸟”的blog关于第二章的变型空间和候选消除算法详细描述的链接：blog.csdn.net/liyakun1992421/article/details/17875749，在此向他表示感谢。 这个例程的实现看似简单（类似于FIND-S），实际动手做才发现有诸多麻烦，首先书上的算法写得过于简略，要自己加一些“辅助模块”进去，比如说反例使得G边界特殊化的过程，我就写了一
python 候选消除算法实现
03-14
机器学习 python 候选消除算法实现
候选消除算法
06-11
机器学习课程书本中讲解的候选消除算法 代码类。可以直接运行
候选消除算法实现
04-11
关于机器学习中的候选消除算法，严格按照算法说明执行，运行结果符合要求。
变形空间和候选消除算法（Candidate-Elimination）C++实现
yang_zhe_的博客
01-23 7634
它能解决FIND-S若干不足之处，FIND-S输出的假设只是H中能拟合训练的多个样例的多个假设中的一个。而在候选消除算法中，输出的是与训练样例一致的所有假设的集合。候选消除算法在描述这一集合时不需要明确列举其所有成员。这也归功于more_general_than偏序结构。在这里需要维护一个一致假设集合的简洁表示，然后在遇到新的训练样例时逐步精化这一表示。
ML作业2—候选消除算法
m0_38069609的博客
04-07 4007
数据集：候选消除算法流程：候选消除算法优于find_s算法，能够表示与训练样例一致的所有假设，下为该算法实现的伪代码：将G集合初始化为H中极大一般假设    将S集合初始化为H中极大特殊假设    对每个训练样例d，进行以下操作：    如果d是一正例        从G中移去所有与d不一致的假设        对S中每一个与d不一致的假设s               从S中移去s       ...
机器学习之候选消除算法
weixin_43780551的博客
03-13 904
from collections import defaultdict from copy import deepcopy topic = ['Sky', 'AirTemp', 'Humidity', 'Wind', 'Water', 'Forecast'] S = defaultdict(list) # most special 极大特殊 S[topic[0]].append('X') S[...
自己写的机器学习候选消除算法
12-08
学习机器学习，自己写的候选消除算法，C++的
候选消除算法 机器学习实验
04-13
自己写的，候选消除算法，通过读文件的形式读入数据
工程优化算法python实现
10-09
自己使用python实现的部分工程优化算法，包括梯度下降，共轭梯度，牛顿迭代，拟牛顿法等多种优化算法
CandidateElimination:Java中候选消除算法的实现
05-10
候选人淘汰 Java中候选消除算法的实现 ##输入格式第一行包含N和M。 其中N =要作为训练数据读取的数字记录，而M =属性的数目。 接下来的M行将包含属性名称及其可以使用的值。 接下来的N行给出M个属性的值。 最后一个属性将是目标属性。 其值将为“是”或“否”。 ##输出特定边界通用边界（G） 版本空间（VS） ##示例###输入4 7天空晴天多雨多云AirTemp温暖寒冷湿度正常高风强弱水温暖凉爽天气预报相同更改EnjoySport是否晴天温暖正常强温暖相同是晴天温暖高强温暖相同是降雨多雨高高更改否晴天温暖高强凉爽改变是###输出S：{<晴天，温暖，？，强烈，？，？>} G：{<晴天，？，？，？，？，？，？>，} VS：{<晴天，温暖，？，？，？，？>，<晴天，？，？，强，？，？>，}
候选消除算法实现代码
07-13
机器学习中的候选消除算法的c++实现代码
数学之路(3)-机器学习(4)-综合应用-候选消除法
麦好的AI乐园
06-15 2611
候选消除法用于收集和归纳样本的特征，得出变型空间 ,然后可以对未知样本进行分类方法，它建立在对样本属性集的分析上总结基础上，基本原理是：  1、设立2个假设，一个是一般假设，一个是特殊假设,通过对每条样本的分析，扩大特殊假设，缩小一般假设。  2、假设就是对样本的每个属性值的设定，可以设定为固定值，也可以设定为未知值？即，什么值都可以接受，如果设为nothing，表示任何属性值都不接受
机器学习-候选消除法
深未来技术
06-13 750
Imports System.IO Public Class Form1 Private Sub Button1_Click(ByVal sender As System.Object, ByVal e As System.EventArgs) Handles Button1.Click TextBox3.Text = "" TextBox2...
[ML]概念学习——Find-S与候选消除
qq_42043597的博客
10-07 2363
概念学习
候选消除算法python
最新发布
03-26
以下是一个简单的候选消除算法的Python实现： 1. 首先，创建一个列表来存储所有的候选项。 candidates = [['a', 'b', 'c'], ['a', 'b'], ['a', 'c'], ['b', 'c'], ['b'], ['c']] 2. 创建一个字典来存储每个候选项的出现次数。 count = {} for c in candidates: for item in c: if item in count: count[item] += 1 else: count[item] = 1 3. 创建一个阈值，即支持度计数的最小值。 threshold = 3 4. 筛选出所有满足支持度计数的候选项。 frequent_items = [] for item in count: if count[item] >= threshold: frequent_items.append(item) 5. 创建一个新的列表来存储所有满足支持度计数的候选项集。 frequent_candidates = [] for c in candidates: temp = [] for item in c: if item in frequent_items: temp.append(item) if len(temp) > 0: frequent_candidates.append(temp) 6. 创建一个字典来存储每个候选项集的出现次数。 count = {} for c in frequent_candidates: s = ", ".join(c) if s in count: count[s] += 1 else: count[s] = 1 7. 筛选出所有满足支持度计数的候选项集。 frequent_itemsets = [] for itemset in count: if count[itemset] >= threshold: frequent_itemsets.append(itemset) 8. 输出所有满足支持度计数的候选项集。 print("Frequent Itemsets:") for itemset in frequent_itemsets: print(itemset)
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值