机器学习-学习记录—FIND-S 寻找极大特殊假设

1.初始化h为H中最特殊的假设。
h<–(n,n,n,…,n);
2.输入第一个样本x，如果x为反例，则忽略；如果x为正例，将该正例中的参数全部代入h中，即h=x；
3.再次输入一个样本x，如果x为反例，则忽略；如果x为正例，则与h比较，将不同参数修改（泛华）为？。
比如：x的第一个参数为与h的第一个参数不同。则修改该参数为？
重复3步骤，直至全部样本遍历完全。

例子：
如书上的例子：

样本：

1、将样本1设为h。
h<-（Sunny,Warm,Normal,Strong,Warm,Same）
2.输入第2个样本，并比较，泛化h：
h<-(Sunny,Warm,?,Strong,Warm,Same)
.3.第3个样本为反例，忽略：
h<-(Sunny,Warm,?,Strong,Warm,Same)
.4.第4个样本，比较，泛化h：
最后得到：
h<-(Sunny,Warm,?,Strong,?,?)

FIND-S算法的重要特点：
对以属性约束的合取式描述的假设空间，保证输出为H中与正例一致的最特殊的假设。只要正确的目标概念包含在H中，并且样本全部正确，最后得到的结果就与所有反例一致。
缺点：
收敛性，如果样本太少，太单一，很有可能无法得到唯一正确的结果。
样本的正确性不能保证。