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