533.txt

This complete matlab for neural network

发信人: jeff814 (mimi), 信区: DataMining
标  题: Re tyqqre：S&C与D&C
发信站: 南京大学小百合站 (Mon Oct 28 09:17:47 2002)

S&C:规则学习中每次得到的一条规则覆盖部分正例，但是排斥所有反例，如此循环直到得
到一个规则集覆盖所有正例，排斥所有负例！
而且要删除本次获得规则已经覆盖了的正样本。剩余的作为后续学习的训练样例。

S&C中如果不删除已覆盖的正样本，则不能学习得到新的规则，是吧？！

在多类分类问题中，如果仿照S&C的方法，先得到C1区分于其他类别的ruleset1，然后从训
练数据中剔除C1的样本；用剩余的训练样本学习得到C2区分于其他剩余类别（C3、C4……
）的ruleset2，这样的效率肯定比不剔除已覆盖类别样本的要高。

但问题是：这样得到的只是相对规则，即相对于剩余其他类的规则，所以会有些问题。你
有没有见过这方面的分析？（比如：对这种算法的中文名称）



【 在 tyqqre 的大作中提到: 】
: 分而治之是指在规则学习中每次得到的一条规则覆盖部分正例，但是排斥所有正例，..
: 循环直到得到一个规则集覆盖所有正例，排斥所有负例！
: 【 在 jeff814 的大作中提到: 】
: : 你制的是后者。前者呢？如何应用到规则学习中的？？

--

※ 来源:．南京大学小百合站 http://bbs.nju.edu.cn [FROM: 202.99.41.202]