У , концептуално учење можемо назвати „ проблем претраживања унапред дефинисаног простора потенцијалне хипотезе за хипотезу која најбоље одговара примерима обуке “- Том Митцхелл. У овом чланку ћемо проћи кроз један такав алгоритам учења концепта познат као Финд-С алгоритам. Следеће теме се разматрају у овом чланку.
- Шта је Финд-С алгоритам у машинском учењу?
- Како то функционише?
- Ограничења алгоритма Финд-С
- Примена Финд-С алгоритма
- Случај употребе
Шта је Финд-С алгоритам у машинском учењу?
Да бисте разумели алгоритам Финд-С, морате да имате основну идеју и о следећим концептима:
- Учење концепта
- Општа хипотеза
- Специфична хипотеза
1. Учење концепта
Покушајмо да разумемо учење појмова на примеру из стварног живота. Већина људског учења заснива се на прошлим случајевима или искуствима. На пример, у стању смо да идентификујемо било коју врсту возила на основу одређеног скупа карактеристика попут марке, модела итд., Које су дефинисане у великом скупу карактеристика.
Ове посебне карактеристике разликују скуп аутомобила, камиона итд. Од већег скупа возила. Ове карактеристике које дефинишу скуп аутомобила, камиона итд. Познате су као концепти.
Слично овоме, машине такође могу научити из концепата да идентификују да ли објекат припада одређеној категорији или не. Било који који подржава концептуално учење захтева следеће:
користећи р за машинско учење
- Подаци о обуци
- Концепт циља
- Стварни објекти података
2. Општа хипотеза
Хипотеза је генерално објашњење нечега. Општа хипотеза у основи износи општи однос између главних променљивих. На пример, била би општа хипотеза за наручивање хране Хоћу хамбургер.
Г = {‘?’, ‘?’, ‘?’,… .. ’?’}
3. Специфична хипотеза
Специфична хипотеза испуњава све важне детаље о променљивим датој у општој хипотези. Конкретнији детаљи у горе наведеном примеру би били Желим чизбургер са пилећим феферонима са пуно зелене салате.
С = {„& Пхи“, „& Пхи“, „& Пхи“, ……, „& Пхи“}
Хајде сада да разговарамо о Финд-С алгоритму у машинском учењу.
Финд-С алгоритам следи доле написане кораке:
- Иницирајте „х“ на најконкретнију хипотезу.
- Финд-С алгоритам разматра само позитивне примере и елиминише негативне примере. За сваки позитиван пример, алгоритам проверава сваки атрибут у примеру. Ако је вредност атрибута иста као вредност хипотезе, алгоритам се креће без икаквих промена. Али ако се вредност атрибута разликује од вредности хипотезе, алгоритам је мења у „?“.
Сада када смо завршили са основним објашњењем алгоритма Финд-С, погледајмо како он функционише.
Како то функционише?
- Процес започиње иницијализацијом „х“ са најконкретнијом хипотезом, генерално, то је први позитиван пример у скупу података.
- Проверавамо за сваки позитиван пример. Ако је пример негативан, прећи ћемо на следећи пример, али ако је позитиван пример, размотрићемо га за следећи корак.
- Проверићемо да ли је сваки атрибут у примеру једнак вредности хипотезе.
- Ако се вредност подудара, тада се не врше никакве промене.
- Ако се вредност не подудара, вредност се мења у „?“.
- То радимо док не дођемо до последњег позитивног примера у скупу података.
Ограничења алгоритма Финд-С
Постоји неколико ограничења алгоритма Финд-С доле наведених:
- Не постоји начин да се утврди да ли је хипотеза конзистентна у свим подацима.
- Неконзистентни скупови тренинга могу заправо обманути Финд-С алгоритам, јер игнорише негативне примере.
- Финд-С алгоритам не пружа технику враћања уназад да би се утврдиле најбоље могуће промене које би се могле учинити за побољшање резултујуће хипотезе.
Сад кад смо свесни ограничења Финд-С алгоритма, погледајмо практичну примену Финд-С алгоритма.
Примена Финд-С алгоритма
Да бисмо разумели примену, покушајмо да је применимо на мањи скуп података са гомилом примера да бисмо одлучили да ли неко жели да иде у шетњу.
конверзија низа до датума у јави
Концепт овог посебног проблема биће у које дане особа воли да иде у шетњу.
| време | Време | Температура | Компанија | Влажност | Ветар | Иде |
| Јутро | Сунчан | Топло | да | Блага | Јака | да |
| Вече | Кишовито | Хладно | Не | Блага | Нормално | Не |
| Јутро | Сунчан | Умерено | да | Нормално | Нормално | да |
| Вече | Сунчан | Хладно | да | Хигх | Јака | да |
Гледајући скуп података, имамо шест атрибута и завршни атрибут који дефинише позитиван или негативан пример. У овом случају, да је позитиван пример, што значи да ће особа ићи у шетњу.
Дакле, општа хипотеза је:
х0= {„Јутро“, „Сунчано“, „Топло“, „Да“, „Благо“, „Снажно“}
Ово је наша општа хипотеза и сада ћемо размотрити сваки пример један по један, али само позитивне примере.
хједан= {„Јутро“, „Сунчано“, „?“, „Да“, „?“, „?“}
х2= {„?“, „Сунчано“, „?“, „Да“, „?“, „?“}
Замијенили смо све различите вриједности у општој хипотези да бисмо добили резултујућу хипотезу. Сада када знамо како функционише алгоритам Финд-С, погледајмо имплементацију помоћу Питхон .
Случај употребе
Покушајмо да применимо горњи пример користећи . Код за примену алгоритма Финд-С користећи горње податке дат је у наставку.
импорт пандас ас пд импорт нумпи ас нп # за читање података у цсв датотеци дата = пд.реад_цсв ('дата.цсв') принт (дата, 'н') #направљање низа свих атрибута д = нп.арраи (подаци) [:,: - 1] принт ('н Атрибути су:', д) #сеграгатинг тхе таргет тхат хас поситиве анд негативе екамплес таргет = нп.арраи (дата) [:, - 1] принт ('н Циљ је: ', таргет) #траининг функција за примену алгоритма финд-с деф траин (ц, т): фор и, вал ин енумерате (т): иф вал ==' Иес ': специфиц_хипотхесис = ц [и]. цопи () бреак фор и, вал ин енумерате (ц): иф т [и] == 'Иес': фор к ин ранге (лен (специфиц_хипотхесис)): иф вал [к]! = специфиц_хипотхесис [к]: специфиц_хипотхесис [ к] = '?' елсе: пасс ретурн специфична_хипотеза # прибављање коначне исписа хипотезе ('н Коначна хипотеза је:', воз (д, циљ))Излаз:
Ово нас доводи до краја овог чланка где смо научили Финд-С алгоритам у МахуУчење путем примене и примене. Надам се да вам је јасно све што је са вама подељено у овом упутству.
Ако сматрате да је овај чланак о „Финд-С алгоритму у машинском учењу“ релевантан, погледајте поуздана компанија за учење на мрежи са мрежом од више од 250.000 задовољних ученика раширених широм света.
Овде смо да вам помогнемо у сваком кораку на путовању и осмислимо курикулум који је створен за студенте и професионалце који желе да буду . Курс је дизајниран да вам пружи почетну предност у Питхон програмирању и обучи вас за основне и напредне Питхон концепте заједно са разним као , итд.
Ако наиђете на неко питање, слободно поставите сва своја питања у одељку за коментаре „Финд-С алгоритма у машинском учењу“ и наш тим ће вам радо одговорити.