机器学习.周志华《15 规则学习 》
基本概念
规则学习概念:机器学习中的规则(rule)通常是指语义明确、能描述数据分布所隐含的客观规律或领域概念、可写成
"若…则…"
形式的逻辑规则。规则学习(rulelearning)是从训练数据中学习出一组能用于对未见示例进行判别的规则。
形式化定义规则
![](/assets/blank.gif)
- 左侧称为规则头
- 右侧称为规则体
- L为规则的长度
- 又叫if-then规则
规则冲突
冲突定义:一个示例被判别结果不同的多条规则覆盖;
解决方法:
- 投票法:判别相同的规则数最多的结果作为最终结果
- 排序法:在规则集合上定义一个顺序->带序规则学习/优先级规则学习
- 元规则法:定义关于规则的规则(元规则)来指导使用规则集
规则分类
- 命题规则:原子命题+逻辑连接词
- 一阶规则:原子公式,谓词、量词
一阶规则比(逻辑规则)强很多,能表达复杂的关系,称为关系型规则,其语义层面与人类的语义层面一致。
序贯覆盖
规则学习的目标:参数一个能覆盖尽可能多的样例的规则集,最直接的方法“序贯覆盖”(逐条归纳):在训练集上每学到一条规则,就将该规则覆盖的训练样例去除,然后以剩下的训练样例组成训练集重复上述过程。由于每次只处理一部分数据,因此也称为分治(separate-and-conquer)策略。
关键:如何从训练集学出单条规则
学习规则的方法
基于穷尽搜索的方法
从空规则开始,将正例类别作为规则头,逐个遍历训练集中的每个属性及取值。\
在属性和候选值较多时会存在组合爆炸的问题。
自顶向下
- 从比较一般的规则开始,逐条添加新文字以缩小规则覆盖范围
- 生成-测试法
- 规则逐渐特化
- 覆盖范围从大到小
- 对噪声的鲁棒性较强,适用于命题规则学习
- 先考虑规则的准确性,然后考虑覆盖的样本数,然后考虑属性次序等等
自底向上
- 从比较特殊的规则开始,逐渐删除文字以扩大规则覆盖范围
- 数据驱动法
- 规则逐渐泛化
- 适合于训练样本较少
- 适用于假设空间较复杂的任务,如一阶规则学习
评价规则优劣的标准(根据具体任务情况设计适当的标准):
以书中西瓜集合为例:
1、先考虑规则准确率(准确率=n/m。n:规则覆盖的正例数,m:覆盖的样例总数)
2、准确率相同时,考虑覆盖样例数,
3、准确率、覆盖样例数都相同时考虑属性次序。
剪枝优化
规则生成本质上是一个贪心搜索过程,需要一定的机制来缓解过拟合的风险,最常见的做法是剪枝(pruning)。
- 预剪枝:剪枝可发生在规则生长过程中;
- 后剪枝:也可发生在规则产生后;
通常是基于某种性能度量指标来评估增/删逻辑文字前后的规则性能,或增/删规则前后的规则集性能,从而判断是否要进行剪枝。
统计显著性检验
CN2——似然率统计量LRS,采用集束搜索,最早考虑过拟合的规则学习方法。
- LRS越大,采用规则集进行预测与直接使用训练集正、反例比例进行猜测的差别越大。
- LRS越小,规则集的效果越可能是偶然现象。
后剪枝
减错剪枝REP
- 一次训练集学习规则集R
- 多轮剪枝:每轮穷举所有可能的简直操作,然后用验证集对剪枝产生的所有候选规则集进行评估,保留最好者
- 循环多次
- 设训练样本数为m,时间复杂度O(m4)
IREP(Incremental REP)
- 在REP上改进
- 每次生成一条规则r立即在验证集上进行剪枝得到规则r′,并将覆盖样例去除
- 时间复杂度O(mlog2m)
RIPPER(预剪枝+后处理优化)
- 使用IREP*剪枝机制生成规则集R
- 对r∈R,生成:
- r′:基于r的覆盖样例,通过IREP*生成的替换规则
- r′′:对r增加文字进行特化,然后IREP*生成的修订规则
- 将原规则集(r)和新规则(替换为r'和r'')分别进行评估,留下最好的
- 循环上述过程
![](/assets/blank.gif)
一阶规则学习
命题规则学习的缺陷:难以处理对象之间的关系。
引入领域知识
- 属性重构:在现有属性基础上构造新的属性
- 函数约束:基于领域知识设计某种函数机制约束假设空间
First-Order Inductive Learner(FOIL)
- 遵循序贯覆盖,采用自顶向下(泛化到特化的过程)的规则归纳策略;
FOIL增益
![](/assets/blank.gif)
- m^+和m^-分别表示增加候选文字后新规则所覆盖的正负样本数
- m+和m-分别表示原本规则所覆盖的正负样本数
- 因为关系数据中的不平衡性,仅考虑正例的信息量
FOIL可以被看做是命题规则学习和归纳逻辑程序设计之间的过渡,但其自顶向下的规则生成过程不支持嵌套,所以表达能力仍有不足。
归纳逻辑程序设计(Inductive Logic Programming,ILP)
- 目标:完备的学习一阶规则
- 自底向上——特化到泛化的过程,每次学习单条规则
- 与普通一阶规则学习相比引入了函数和逻辑表达式的嵌套
最小一般泛化(Least General Generalization,LGG)
- 给定一阶公式r1和r2
- 找出涉及相同谓词的文字
- 常量替换
- 在两个公式中出现位置相同——保持
- 不同则将它们替换为同一个新
变量
- 忽略两条公式中不含共同谓词的文字
- R(elative)LGG:初始规则选择方法,考虑所有背景知识。
逆归结
演绎(Deduction)和归纳(Induction)
- 演绎:从一般性规律出发来探讨具体事物(对应特化)
- 归纳:从个别事物出发概括出一般性规律(对应泛化)
归结和逆归结
- 归结:将貌似复杂的逻辑规则与背景知识联系起来化繁为简
- 逆归结:基于背景知识发明新的概念和关系
逆归结形式化定义
逆归结的四种操作
![](/assets/blank.gif)
(×)一阶逻辑中利用合一操作搜索互补项:自动发明新谓词
思维导图
机器学习.周志华《15 规则学习 》相关推荐
- 机器学习(周志华) 参考答案 第十四章 概率图模型 14.9
机器学习(周志华西瓜书) 参考答案 总目录 http://blog.csdn.net/icefire_tyh/article/details/52064910 机器学习(周志华) 参考答案 第十四章 ...
- 机器学习 周志华 第一章课后习题
机器学习 周志华 第一章课后习题 1.1 1.2 1.3 1.4 1.5 1.1 在下面这张图片中若只包含编号为1和4的两个样例,试给出相应的版本空间. 书上实例: 1.表 1.1 对应的假设空间如下 ...
- 机器学习 周志华 课后习题3.5 线性判别分析LDA
机器学习 周志华 课后习题3.5 线性判别分析LDA 照着书上敲了敲啥都不会,雀食折磨 python代码 # coding=UTF-8 from numpy import * # 我安装numpy的时 ...
- 小吴的《机器学习 周志华》学习笔记 第二章 模型评估与选择
小吴的<机器学习 周志华>学习笔记 第二章 模型评估与选择 上一周我们介绍了第一章的基础概念,这一次将带来第二章的前三节.后面的2.4 比较检验与2.5 偏差与方差,涉及概率论与数理统计概 ...
- 小吴的《机器学习 周志华》学习笔记 第一章 绪论
小吴的<机器学习 周志华>学习笔记 第一章 绪论 近一年时间接触到不少机器学习的知识,虽然断断续续学了一些,总感觉还没有入门(只学会了疯狂调包).因此,最近开始系统学习Machine Le ...
- 小吴的《机器学习 周志华》学习笔记 第二章 2.4 比较检验、2.5 偏差与方差
小吴的<机器学习 周志华>学习笔记 第二章 2.4 比较检验. 2.5 偏差与方差 2.4 比较检验 上一周提到了实验的评价方法和性能量度,步骤简单可以看成:先使用某种实验评估方法测得学习 ...
- 机器学习-周志华-学习记录-第一章绪论
文章目录 绪论 一.什么是机器学习 二.基本术语 三.假设空间 四.归纳偏好 总结 参考链接 绪论 为了更早地适应研究生的生活,我决定重新学习周志华老师的机器学习这本书.同时也为了能够养成博客记录的习 ...
- 机器学习-周志华教授
机器学习 南京大学周志华教授网课视频:https://www.xuetangx.com/learn/nju0802bt/nju0802bt/14363483/video/26163027 202210 ...
- 西瓜书入门辅助【机器学习 周志华】一些关于机器学习的重要基础概念提炼
周志华. 机器学习 = Machine Learning. 清华大学出版社, 2016. Print. 文章目录 周志华. 机器学习 = Machine Learning. 清华大学出版社, 2016 ...
- 机器学习(周志华) 习题 参考答案 第十三章
周志华老师的<机器学习>的第13章的习题答案较少,只找到了三篇,分别为链接一和链接二,这两篇文章有几乎所有题目的个人解答.第三个人只对部分题目进行了解答,相关链接将放在题目下方. 以下是个 ...
最新文章
- 如何运行具有奇点的NGC深度学习容器
- 静态库与动态库详细剖析
- Spring-redis基础配置
- centos 打包某个目录_Linux目录基础,带你了解Linux神秘面纱
- linux fork, system, exec()
- css命名_CSS命名约定将节省您的调试时间
- jap sql 保存_【hibernate spring data jpa】执行了save()方法 sql语句也执行了,但是数据并未插入数据库中...
- 15个SaaS问答(图文并茂版)
- ViewBag ViewData
- Java学习日报—消息队列—2021/11/23
- 一文读懂 Java 工程师学习路线!
- hadoop的安装需要java_Hadoop windows本地环境安装
- Glib2之定义手册(十八)
- Linux企业级项目实践之网络爬虫(27)——多路IO复用
- translator什么意思中文_translator是什么意思|translator的音标|translator的用法 - 英语词典...
- 使用UDP遇到的问题小结
- 计算机内存怎样清理,怎么样清理电脑内存 电脑清理内存方法【图文】
- 人民的名义关系可视化展示
- Unity用代码写一个Inspector里面能拉动的滑条
- Kaggle下载criteo数据集