演示文稿(次课).pptVIP

* 第三章 规则学习算法 1. 基本概念： 定义1 （例子）. 设E=D1×D2 ×… ×Dn 是n维有穷向量空间，其中 Dj是有穷离散符号集。E中的元素e=(V1,V2, …,Vn)简记为Vj叫做例子。其中Vj∈Dj。 例如：对表2.1 D1={高，矮}；D2={淡黄，红，黑}；D3={兰，褐} E=D1 × D2 × D3 例子 e=(矮，淡黄，兰） 定义2。选择子是形为[xj=Aj]的关系语句，其中xj为第j个属性，Aj ? Dj; 公式（或项）是选择子的合取式，即 [xj=Aj], 其中 J ? {1, …,n}; 规则是公式的析取式，即 ，其中Li为公式。 一个例子e=V1, …Vn满足选择子[xj=Aj]当且仅当Vj是Aj的元素，即Vj? Aj; e满足一个公式当且仅当它满足该公式的每一个选择子；e满足一条规则当且仅当e满足该规则的至少一个公式。 例子满足选择子（公式、规则）也称做选择子（公式、规则）覆盖该例子。 例如： 例子e=矮，淡黄，兰 满足选择子[头发=淡黄∨红色]和 [眼睛=蓝色] ；满足公式[头发=淡黄∨红色] [眼睛=蓝色] 。 定义3：普化(generalize) :减少规则的约束，使其覆盖更多的训练例子叫普化。 定义4：特化(specialize) : 增加规则的约束，使其覆盖训练例子较少叫特化。