规则学习算法.ppt

第1页，共15页，星期日，2025年，2月5日一个例子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。第2页，共15页，星期日，2025年，2月5日定义4：特化(specialize):增加规则的约束，使其覆盖训练例子较少叫特化。定义5：一致：只覆盖正例不覆盖反例的规则被称为是一致的。定义6：完备：覆盖所有正例的规则被称为是完备的。第3页，共15页，星期日，2025年，2月5日2.GS算法：GS算法输入：例子集；输出：规则；原则：（a)从所有属性中选出覆盖正例最多的属性；(b)在覆盖正例数相同的情况下，优先选择只覆盖正例不覆盖反例的属性值；设PE,NE是正例，反例的集合。PE’,NE’是临时正，反例集。CPX表示公式，F表示规则（概念描述）。F←true;PE’←PE,NE’←NE,CPX←true;按上述(a)(b)两规则选出一个属性值V0,设V0为第j0个属性的取值，建立选择子[Xj0=V0]并加入公式中，CPX←CPX∧[Xj0=V0]如果[Xj0=V0]覆盖NE’中的反例，转(5);否则F←F∨CPX,转(6);第4页，共15页，星期日，2025年，2月5日(5)重新构造PE’和NE’,PE’含有原来PE’中被[Xj0=V0]覆盖的例子，NE’含有原来NE’中被[Xj0=V0]覆盖的例子，转（3）；(6)PE←PE\PE’,如果PE=,停止，否则转(2);GS算法举例：例子集见表2.3学习结果：[ESR=normal][Ausculation=bublelike][X-ray=spot][ESR=normal]3.AQ算法：普化(generalize):特化(specialize):一致完备肺炎第5页，共15页，星期日，2025年，2月5日noFeverCoughX-rayESRAusculat.1highheavyFlackNormalBubblelike肺炎2mediuheavyFlackNormalBubblelike3lowslightSpotNormalDry-peep4highmediuFlackNormalBubblelike5mediuslightFlackNormalBubblelike1absentslightStripNormalNormal肺结2highheavyHoleFastDry-peep核3lowslightStripNormalNormal4absentslightSpotFastDry-peep5lowmediuflackfastsNormal表2..3肺炎与肺结核两组病历第6页，共15页，星期日，2025年，2月5日AQ算法：输入：例子集、参数#SOL、#CONS、Star的容量m、优化标准；输出：规则；1）Pos和NEG分别代表某概念的正例和反例的事件集合①从Pos中随机地选择一事件②生成事件e相对于反例集NEG的一个约束Star(reducedstar),G(e|NEG,m),其中元素不多于m个。③在得到的star中，根据设定的优化标准LEF找出一个最优的描述D。④若描述D完全覆盖集合Pos,则转⑥⑤否则，减少Pos的元素使其只包含不被D覆盖的事件。从步骤①开始重复整个过程。⑥生成所有描述D的析取，它是一个完备且一致的概念描述。第7页，共15页，星期日，2025年，2月5日2)Star生成:Induce方法?事件e的各个选择符被放入PS(partialstar)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CONSIS