《机器学习》- chp2.

摘记:

  • 概念学习 是指从有关某个布尔函数的输入输出训练样例中推断出该布尔函数;

  • 从特殊的训练样例中归纳出 一般函数 是机器学习的中心问题;

  • 机器学习的目标是 寻找一个假设 h ,使对于 X 中的所有 x,h(x) = c(x)

  • 如果没有更多信息,我们只能假定,对于未知实例 最好的假设 就是与训练数据 最佳拟合 的假设;

  • Hypothesis h is a conjunction of constraints on attributes: 以 实例的各属性约束的组合 来表示假设

    如果某些实例x满足假设h的所有约束,那么h将x分类为正例(h(x)=1)

  • 实例集第i个属性的可取值个数为

    , 该属性可取值为
    ,分类标注(类别)数为
    ,则:

实例总数(distinct instances):

;

概念总数(distinct concepts):
;
语法不同的假设(syntactically distinct hypotheses):;

语义不同的假设(semantically distinct hypotheses):;

其中,属性

的约束的全部组合为
,共
,因而语法不同的假设共,而实际上,只要假设中存在一个∅,则该实例一定是反例,因而去除掉含有∅的重复语法假设,剩余语义不同的假设为
  • 假设的一般到特殊序

你可能感兴趣的:(《机器学习》- chp2.)