machine-learning - Find-S 的缺点

Question

Find-S 算法的一个常见缺点是 Find-S 返回的假设 h 可能不是唯一适合数据的 h。

现在，我很难理解这一点，因为肯定只能有一个“最具体”的假设吗？

例如：给定以下训练数据：

我们将得到以下迭代 i：

i0: S = {Japan, Honda, Blue, 1980, Economy}（使用示例 1）

i1: S = {Japan, Honda, Blue, ?, Economy}（使用示例 3：跳过示例 2，因为它是负数）

i2: S = {Japan, Honda, ?, ?, Economy}（使用示例 5：跳过示例 4，因为它是负数）

i3: S = {Japan, ?, ?, ?, Economy}（使用示例 6）结束（跳过示例 7，因为它是负数）

所以，在我看来，除了 S = {Japan, ?, ?, ?, Economy} 之外，对于这个数据集没有任何其他最具体的假设。但显然我一定是错的。有人可以解释一下我的假设是如何不正确的吗？谢谢。

Answer 1

我自己正在学习这个。但据我所知，我想出了和你一样的答案。但是，在您的i1步骤中，您错过了Toyota哪个会给您带来好处？早先如下：

S1 = {Japan, Honda, Blue, 1980, Economy}

S2 = {Japan, ?, Blue, ?, Economy}

S3 = {Japan, ?, ?, ?, Economy}

S4 = {Japan, ?, ?, ?, Economy}

我半小时前才刚刚开始阅读这方面的内容，但据我所知，Find-S 只会给你一个假设，因为你是从一个specific ==> generalised表格开始的。

但是，如果您是从一个generalised ==> specific表单开始的，那么您最终可能会得到很多示例。我在这里是因为这就是我试图找出它是如何工作的原因。