机器学习-习题1.2
2018-02-25 19:44
1301 查看
题目:与使用单个合取式来进行假设表示相比,使用“析合范式”将使得假设空间具有更强的表示能力,例如:
好瓜<->((色泽=*)∩(根蒂=蜷缩)∩(敲声=*))∪((色泽=乌黑)∩(根蒂=*)∩(敲声=沉闷)),
会把“(色泽=青绿)∩(根蒂=蜷缩)∩(敲声=清脆)” 以及“(色泽=乌黑)∩(根蒂=硬挺)∩(敲声=沉闷)”都分类为“好瓜”,若使用最多包含k个合取式的析合范式来表达表1.1西瓜分类问题的假设空间,试估算共有多少种可能的假设。
相关概念: 合取范式:多个析取式的合取 如:
析合范式:即多个合取式的析取 如:
公式:1、由蕴涵等值式和等价等值式可知,
2、用双重否定率和德摩根律,可得
3、利用分配律,可得
上述材料参考百度百科
解答:
表1.1 西瓜数据集
1.先判断假设空间大小
有3个属性:色泽,根蒂,敲声,属性值分别有2种、3种、3种,故假设空间大小:3*4*4+1=49,则k的最大值为49
2.求多少种可能的假设,即利用最多的析取范式来表达分类问题的假设空间,排除冗余情况,只需考虑3个属性都有确定值的情况。
表1的版本空间可得出 好瓜<->((色泽=*)∩(根蒂=蜷缩)∩(敲声=*))∪((色泽=*)∩(根蒂=*)∩(敲声=沉闷))
k的值最大为12
去掉<->
可得最后析取范式为(好瓜 ∩ k1) ∪(好瓜 ∩ k2)...∪(好瓜 ∩ k12)
共有12种假设
好瓜<->((色泽=*)∩(根蒂=蜷缩)∩(敲声=*))∪((色泽=乌黑)∩(根蒂=*)∩(敲声=沉闷)),
会把“(色泽=青绿)∩(根蒂=蜷缩)∩(敲声=清脆)” 以及“(色泽=乌黑)∩(根蒂=硬挺)∩(敲声=沉闷)”都分类为“好瓜”,若使用最多包含k个合取式的析合范式来表达表1.1西瓜分类问题的假设空间,试估算共有多少种可能的假设。
相关概念: 合取范式:多个析取式的合取 如:
析合范式:即多个合取式的析取 如:
公式:1、由蕴涵等值式和等价等值式可知,
2、用双重否定率和德摩根律,可得
3、利用分配律,可得
上述材料参考百度百科
解答:
编号 | 色泽 | 根蒂 | 敲声 | 好瓜 |
1 | 青绿 | 蜷缩 | 浊响 | 是 |
2 | 乌黑 | 蜷缩 | 浊响 | 是 |
3 | 青绿 | 硬挺 | 清脆 | 否 |
4 | 乌黑 | 稍蜷 | 沉闷 | 否 |
有3个属性:色泽,根蒂,敲声,属性值分别有2种、3种、3种,故假设空间大小:3*4*4+1=49,则k的最大值为49
2.求多少种可能的假设,即利用最多的析取范式来表达分类问题的假设空间,排除冗余情况,只需考虑3个属性都有确定值的情况。
表1的版本空间可得出 好瓜<->((色泽=*)∩(根蒂=蜷缩)∩(敲声=*))∪((色泽=*)∩(根蒂=*)∩(敲声=沉闷))
k的值最大为12
去掉<->
可得最后析取范式为(好瓜 ∩ k1) ∪(好瓜 ∩ k2)...∪(好瓜 ∩ k12)
共有12种假设
相关文章推荐
- 《机器学习》-周志华 第一章 绪论 习题1.2
- 《机器学习》周志华第一张习题1.2
- 机器学习 周志华 读书笔记 习题1.2
- 机器学习学习笔记 PRML Chapter 1.2 : Probability Theory
- python 实现斯坦福机器学习实验1.2
- 《机器学习》周志华 习题答案8.5
- 《机器学习》周志华 课后习题3.3:编程实现对率回归,并给出西瓜数据集 3.0α 上的结果.
- 周志华《机器学习》课后习题解答系列(三):Ch2 - 模型评估与选择
- 机器学习习题(4)
- 算法 Robert Sedgewick 习题答案 1.2 数据抽象
- 機器學習基石(Machine Learning Foundations) 机器学习基石 课后习题链接汇总
- 斯坦福大学(吴恩达) 机器学习课后习题详解 第八周 无监督学习
- 斯坦福大学(吴恩达) 机器学习课后习题详解 第八周 编程题 k-means and PCA
- 斯坦福大学(吴恩达) 机器学习课后习题详解 第十一周 图片识别
- 《机器学习》周志华 习题答案3.5
- SICP 习题(1.1,1.2,1.3,1.4)解题总结。
- 《机器学习》周志华习题4.3答案
- 《机器学习》周志华 课后习题3.3:编程实现对率回归,并给出西瓜数据集 3.0α 上的结果.
- 机器学习(1.2)
- 习题1.2找出1~100中的质数(穷举法)