本文介绍了概念学习的基本概念，包括实例空间、概念空间、假设空间和训练集合，并详细阐述了变形空间的定义和作用。接着，讲解了列表消除算法和候选消除算法的原理，通过不断更新极大一般假设和极大特殊假设来逐步缩小搜索空间，以找到满足训练数据的假设。最后，文章提到了实际应用中如何根据训练样例调整G和S集合，以实现候选消除的过程。
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）
⟨ x 1 , c ( x 1 ) ⟩ , ⟨ x 2 , c ( x 2 ) ⟩ , . . . , ⟨ x m , c ( x m ) ⟩ \langle x_{1} , c(x_{1})\rangle,\langle x_{2} , c(x_{2})\rangle,...,\langle x_{m} , c(x_{m})\rangle ⟨x1,c(x1)⟩,⟨x2,c(x2)⟩,...,⟨xm,c(xm)⟩
求解（找到一个一一映射的函数）
假设 h :满足 h ∈ H \in\mathcal{H} ∈H 且 h(x) = c(x) , x ∈ D \in\mathcal{D} ∈D
个人理解，举个简单的栗子：二维坐标中，已知两个点的坐标(0,0)、(1,1)，求一个经过这两点的线，比如有直线y=x，2次曲线 y = x 2 y=x^{2} y=x2，还有3次曲线 y = x 3 y=x^{3} y=x3，…， y = x n y=x^{n} y=xn。x坐标轴上的点组成的集合就是实例空间X，y坐标轴上的点组成的集合就是概念空间C，这些曲线对应的函数集合就是假设空间H，已知的点坐标就是训练集合D
2、变形空间
定义:一条假设 h 与训练样例集合 D \mathcal{D} D 是一致的,当且仅当对 D \mathcal{D} D 中每条样例 ⟨ x , c ( x ) ⟩ \langle x, c(x)\rangle ⟨x,c(x)⟩都有,即
C o n s i s t e n t ( h , D ) ≡ ( ∀ ⟨ x , c ( x ) ⟩ ∈ D ) h ( x ) = c ( x
最低0.47元/天 解锁文章
3495
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
