我正在学习概念学习，我专注于假设一致性的概念。
考虑假设，我已经明白了，它与一个训练集是一致的 当且当 在哪里是概念，必须对每个样本进行验证在.
例如，考虑以下训练集：
和以下假设：
我认为这与 D不一致，因为例如在我们有.
我不明白为什么这种假设不一致。
事实上，考虑以下假设：
这与_因为对于每个示例我们有.
但是为什么第一个假设不一致，而第二个，， 是一致的？
有人可以向我解释一下吗？
假设一致是什么意思？
数据挖掘
机器学习
数据集
2022-03-05 15:15:20
1个回答
我对此不是特别熟悉，但从提供的示例中我们可以推断出：
- 假设是对特征的部分赋值。也就是说，通过“应用假设”，我们获得了特征满足假设的实例子集。
EnjoySport如果目标变量（在示例中显然称为“概念”）对于通过应用它获得的子集中的任何实例具有相同的值，则假设与数据一致。
第一种情况：. 数据中的所有 4 个实例都满足，所以子集满足是整个数据。然而EnjoySport，这个子集的概念可以有两个值，所以不一致。
第二种情况：. 这个假设比: 满足的实例子集是. 这个概念对于这个子集中的每个实例EnjoySport总是有价值的，所以Yes与数据一致。
直观地说，如果知道假设指定的值可以 100% 确定目标变量的值，则假设与数据一致。
其它你可能感兴趣的问题