Star生成 Induce方法 机器学习 教学课件.ppt

* 2) Star生成: Induce方法 ?事件e的各个选择符被放入PS(partial star)中,将ps中的元素按照各种标准排序. ?在ps中保留最优的m个选择符. ?对ps中的选择符进行完备性和一致性检查,从ps中取出完备一致的描述放入SOLUTION表中,若SOLUTION表的大小大于参数#SOL,则算法停止.一致但不完备的描述从ps中取出放入表CONSISTENT中,若CONSISTENT表的大小大于参数#COS,则转?; ?对每个表达式进行特殊化处理,所有得到的表达式根据优化标准排列,仅保留m个最优的.重复步骤?, ?直到CONSISTENT表中包含#CONS个表达式或该过程分配的时间用完为止. ?得到的一般化描述按优先标准排序,保留m个最优的表达式构成约束Star(e|NEG,m). 举例: 例子集: 表2.3 #SOL=2 #CONS=2 M=2 优化标准: 正例数/反例数 种子 : [Fever=high][Cough=heavy][X-ray=flack][ESR=normal] [Ausculation=bubblelike] 第一轮: Ps: ? [Fever=high] 2,1 ?[Cough=heavy] 2,1 ?[X-ray=flack] 4,1 ?[ESR=normal] 5,2 ?[Ausculation=bubblelike] 4,0 保留m个表达式 [Ausculation=bubblelike] 一致的表达式,放入CONSISTENT中 [X-ray=flack] 特化; [x-ray=flack][ESR=normal] 4,0 [X-ray=flack] [x-ray=flack][Cough=heavy] 2,0 [x-ray=flack][Fever=high] 2,0 上面3个表达式均为一致的,放入CONSISTENT中,按优先标准排序,并保留m(2)个表达式. [Ausculation=bubblelike] [x-ray=flack][ESR=normal] 选出一个最优的作为D D: [Ausculation=bubblelike] 将D覆盖的正例去掉. 去掉 第一轮结束. 第二轮: 种子 : [Fever=low][Cough=slight][x-ray=spot][ESR=normal] [Ausculation=dry-peep] Ps: ?[fever=low] 1,2 ?[Cough=slight] 1,3 ?[x-ray=spot] 1,1 ?[ESR=normal] 1,2 ?[Ausculation=dry-peep] 1,2 保留m(2)个表达式: [ESR=normal] [x-ray=spot] 特殊化: [ESR=normal] [fever=low] 1,1 [ESR=normal] [ESR=normal] [Cough=slight] 1,2 [ESR=normal] [Ausculation=dry-peep] 1,0