怎样使用不完全学习概念 机器学习 幻灯片课件.pptVIP

3.6.3怎样使用不完全学习概念 ;定义:考虑对于实例集合X的概念学习算法L.令c为X上定义的任一概念,并令Dc={x,c(x)}为c的任意训练样例集合.令L(xi,Dc)表示经过数据Dc的训练后L赋予实例的分类.L的归纳偏置是最小断言集合B,它使任意目标概念c和相应的训练样例Dc满足: (?xi?X)[(B?Dc ?xi) L(xi,Dc)];第三章 学习的计算理论 示例学习的优化问题 最优覆盖问题(MCV)—生成具有最少数目公式的覆盖； 最简公式问题(MCOMP)—生成具有最少数目选择子及属性值的公式，或极大复合； 最优示例学习问题(OPL)—生成只由最简公式组成的最优覆盖。 二. 最优覆盖问题是NP难题 定理3.1：已知两个问题P1和P2,如果P1是NP难题。并且P1可在多项式时间内归纳到P2,则P2也是NP难题，并称P1可（多项式）归纳到P2,如果P2反过来也能归纳到P1,则称P1和P2是等价的。 定理3.2：最优集合覆盖问题(SETCV)是从一个有穷集合的有穷覆盖中，找到一个具有最小基数的子覆盖。即设T是一个m个点的集合，F是T的子集族。 F={S1, …,Sp}, 其中Si ? T。SETCV是找到F的具有最少数目的子族F’,;使得F’是T的一个覆盖：F’ F, 并且 |F|=最小；其中符号| |表示基数。 定理3.3 最优覆盖问题(MCV)是NP难题。 设 T={1, …,7} , F={S1, …,S6} S1={1,4,5,7}, S2={3,4}, S3={2,5,7},S4={1,2,6}, S5={1,3,7}, S6={3,5,6} ;NE;(3) 在EM(PE|NE)找到一列，记为第j列，它含有最少数目的死元素“*”,A←A {xj}. (4) 从EM(PE|NE) 删去所有在第j列含有非死元素的行； (5) 如果EM(PE|NE)= ?,则终止，并返回A;否则i←i+1.并转向(3); 参考文献： 归纳学习—算法，理论，应用。 洪加荣著 P.46-52, P.57-58. ;;Example