候选消除算法

样本集：

 

把S集合初始化为H中极大特殊假设：

把G集合初始化为H中极大一般假设：

 

首先加载第一条和第二条样本：

这个过程是特殊向一般的转变，这个过程非常地类似FIND-S算法

接着我们处理第三条样本：

让我们回到数据

我们会发现，Sky，AirTemp和Foreast和以前的数据不一致，我们可以怀疑是这三个数据导致最后结果的变化。

所以，我们就针对这3个数据进行一次特殊化：

接着，我们输入第四条样本：

 

 

 

在处理第四条样本的时候，我们先对于S集合进行一般化：

 

 

然后，为了让G集合覆盖S集合，我们需要剔除，过程为

 

在处理完了这四个样本后，我们就可以获取所有的假设：

 

当前为6个假设，当我们可以获取到更多的训练集的时候，我们可以划出更小的设计空间。

当我使用这6个假设对测试集进行测试的时候，我们可以使用这6个假设同时对测试样本进行检测，每个假设都有自己的权重，如果最后的结果超过80%，那么就测试通过。

本算法弊端：1.对噪点兼容性非常差 2.当我们Sky属性有10+个的时候，往往这个属性必然被一般化，所以我们需要对数据进行预处理

参考书籍：机器学习

 

 

 

转载于:https://www.cnblogs.com/otomii/p/3454280.html