机器学习讲师专家老师叶梓人工智能之机器学习与深度学习-19粗糙集

接上一篇，系列博文:人工智能讲师叶梓关于人机器学习与深度学习入门课程课件，为系列博文，更多课程，及老师资料可点击 个人主页

粗糙集

•如果有人问你那个头号无聊问题：先有鸡还是先有蛋？，你该怎么回答？

 

    •粗糙集理论在数学意义上描述了知识的不确定性，它的特点是把用于分类的知识嵌入集合内，使分类与知识联系在一起。

•知识的粒度、不可分辨关系

•上近似、下近似、边界等概念见下图

粗糙集的度量

粗糙集举例

若另有一个属性：IND({UNK}) = {{x1}, {x2}, {x3,x4}, {x5,x7}, {x6}}.

则正好满足IND(Age, LEMS, UNK) = IND(Age, LEMS)，则UNK是可以约简的。

 

•IND({Age})

      = {{x1,x2,x6}, {x3,x4}, {x5,x7}}

•IND({LEMS})

      = {{x1}, {x2}, {x3,x4}, {x5,x6,x7}}

•IND({Age, LEMS})

      = {{x1}, {x2}, {x3,x4}, {x5,x7}, {x6}}.

•令 W = {x | Walk(x) = yes}. 

•

 

•决策类（Walk）是粗糙的，因为边界区域不为空. 

 

接下一篇，系列博文:人工智能讲师叶梓关于人机器学习与深度学习入门课程课件，为系列博文，更多课程，及老师资料可点击 个人主页