我試圖理解version space learning和候選消除算法。 把這些訓練例子具有以下屬性:候選消除 - 新數據的分類
Sky, Temp, Humid, Wind, Water, Forecast, EnjoySport
和相應的值:
<Sunny, Warm, Normal, Strong, Warm, Same, Yes>
<Sunny, Warm, High, Strong, Warm, Same, Yes>
<Rainy, Cold, High, Strong, Warm, Change, No>
<Sunny, Warm, High, Strong, Cool, Change, Yes>
如果我執行的消失候選我發現S
(最特殊的假設)和G
(最普遍假設)是:
S: {<Sunny, Warm, ?, Strong, ?, ?>}
G: {<Sunny, ?, ? ,? ,?, ?>, <?, Warm, ?, ?, ?, ?>}
但是,新數據的分類呢?我的意思是,如果我有像這樣的新數據點會發生什麼?
<Sunny, Warm, Normal, Strong, Cool, Change>
該算法會做什麼?它會將新記錄分爲正面還是負面?
我搜索了很多它,但我沒有找到任何有用的東西。