Cтраница 4
Алгоритм ID3 ( Induction of Decision trees, разработан P. Куинланом) формирует решающие деревья на основе примеров. Каждый пример имеет одинаковый набор атрибутов ( признаков), которые можно рассматривать как качественные признаки. Этот алгоритм относится к алгоритмам обучения с учителем, таким образом, обучающая выборка, необходимая для его работы, содержит положительные и отрицательные примеры формируемого понятия. В соответствии с терминологией автора назовем признаки, или атрибуты, которые задают свойства каждого примера обучающей выборки, предсказывающими атрибутами. Такие признаки могут быть бинарными, количественными либо качественными. Единственный признак, который для каждого примера задает, принадлежит ли он формируемому понятию или нет, назовем целевым, или предсказываемым атрибутом. Этот атрибут является бинарным и также входит в обучающую выборку. [46]
Обе конъюнктивные программы в качестве первой операции вносят в список те признаки, которые имеют лишь одну оценку во всем множестве положительных примеров. Если не существует такого списка, то и не существует ни одного конъюнктивного определения положительного примера. Если такой список существует, он обрабатывается двумя программами другим способом. Первая конъюнктивная программа исследует все признаки для того, чтобы определить, имел ли хотя бы один из них ту же оценку в отрицательном примере, какую он имел во всех положительных примерах. Вторая программа проверяет все отрицательные примеры, чтобы узнать, имел ли хотя бы один из них полную конъюнкцию пар признак - оценка, которые являются общими для всех положительных примеров. Программа повторяет ответ в том случае, если не найдено ни одного такого примера. Таким образом, обе программы в случае их успешной работы определяют конъюнктивное понятие, которое можно использовать для примеров во внутренней памяти. [47]
Обе конъюнктивные программы в качестве первой операции вносят в список те признаки, которые имеют лишь одну оценку во всем множестве положительных примеров. Если не существует такого списка, то и не существует ни одного конъюнктивного определения положительного примера. Если такой список существует, он обрабатывается двумя программами другим способом. Первая конъюнктивная программа исследует все признаки для того, чтобы определить, имел ли хотя бы один из них ту же оценку в отрицательном примере, какую он имел во всех положительных примерах. Вторая программа проверяет все отрицательные примеры, чтобы узнать, имел ли хотя бы один из них полную конъюнкцию пар признак - оценка, которые являются общими для всех положительных примеров. Программа повторяет ответ в том случае, если не найдено ни одного такого примера. Таким образом, обе программы в случае их успешной работы определяют конъюнктивное понятие, которое можно использовать для примеров во внутренней памяти. [48]
А вообще мы о переходе Пайерлса упоминаем по двум причинам. Во-первых, на его примере удобно продемонстрировать принцип самовоздействия электронного газа на собственный энергетический спектр. Далее в этой главе мы познакомимся с тем, как этот принцип реализуется в разупорядоченной среде. Аналогия хорошо видна, например, при сравнении рис. 3.1 с рис. 3.7. Во-вторых, в начале гл. Пайерлса фигурирует в качестве отрицательного примера: хотя уменьшение электронной энергии является для него основным фактором, точка перехода определяется из энергетического баланса, в который входят и другие виды энергии, например, упругая. [49]
Имеются ли отрицательные примеры, которые следует принять в соображение. Отрицательный - это пример, не подтверждающий заключения; он - исключение из правила. Если слушатели знают о таком отрицательном примере, который выпадает из поля зрения оратора, они могут по одной этой причине отвергнуть всю речь. Всякий раз, когда идет речь о статистических суммарных данных, отрицательным примерам следует придать четкую и точную форму, как в нижеприводимом примере о вознаграждении студентов. [50]