我在问关于候选消除算法的问题。
我对边界G有点困惑。
这是一个示例，我将G和S列为第四个训练示例，但是我不确定最后一种情况。
阳光明媚，温暖，正常，强壮，温暖，相同，享受Sport = yes
阳光明媚，温暖，高，强，温暖，相同，享受Sport = yes
多雨，冷，高，强，温暖，变化，享受运动=否
晴天，温暖，高，强，凉，改变，享受运动=是
晴天，温暖，正常，弱，温暖，相同，享受运动=否
我在这里是：
S0：{<0,0,0,0,0,0>}
S1：{<Sunny,Warm,Normal,Strong,Warm,Same>}
S2，S3：{<Sunny,Warm,?,Strong,Warm,Same>}
S4：{<Sunny,Warm,?,Strong,?,?>}
G4：{<Sunny,?,?,?,?,?>, <?,Warm,?,?,?,?>}
G3：{<Sunny,?,?,?,?,?>, <?,Warm,?,?,?,?>, <?,?,?,?,?,Same>}
G0，G1，G2：{<?,?,?,?,?,?>}
G5会产生什么结果？
G5是空的吗？ {}还是{<?,?,?,Strong,?,?>}？
谢谢
最佳答案
G5都不是。
请注意，{??? Strong ??}不是G4的专业化，因此不是对常规边界的有效补充。
相反，您将删除{Sunny，？，？，？，？，？}和{？，Warm，？，？，？，？}}，并用最少的专业替换它们。因此，在这种情况下，您将得到：
G5 = {晴天，？，高，？，？，？}，{晴天，？，？，强，？，？}，{？，温暖，高，？，？，}}，{？，温暖，？ ，强大，？，？}。
关于machine-learning - 候选消除算法-特殊情况，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/2757856/