Top Qs
Línea de tiempo
Chat
Contexto
Algoritmo de cobertura
De Wikipedia, la enciclopedia libre
Remove ads
El algoritmo de cobertura es utilizado dentro del ámbito de la inteligencia artificial. Su uso se engloba en la búsqueda de reglas en él dado un conjunto de ejemplos de entrenamiento.
El objetivo del algoritmo de cobertura es la obtención de una regla de la forma: SI conjunción de pares <atributo, valor> ENTONCES atributo-objetivo = valor
Donde la conjunción de pares <atributo, valor> es de la forma:
atributo = valor
Remove ads
El algoritmo
Resumir
Contexto
Aprendizaje-por-Cobertura(D, Atributo-objetivo, v)
Hacer Reglas-aprendidas igual a vacío
Hacer E igual a D
Mientras E contenga ejemplos cuyo valor de Atributo-objetivo es v, hacer:
Crear una regla R sin condiciones y conclusión Atributo-objetivo=v
Mientras que haya en E ejemplos cubiertos por R incorrectamente
y queden atributos que usar, hacer:
Elegir la MEJOR condición A=w para añadir a R, donde A es
un atributo que no aparece en R y w es un valor de los
posibles que puede tomar A
Actualizar R añadiendo la condición A=w a R
Incluir R en Reglas-aprendidas
Actualizar E quitando los ejemplos cubiertos por R
Devolver Reglas-Aprendidas
El algoritmo se compone de dos bucles anidados. El bucle externo busca la obtención de reglas el valor del atributo objetivo pasado v. El bucle interno construye la conjunción de pares <atributo, valor> que contengan ejemplos con dicho valor de objetivo y así crear la regla. Como en una pasada del bucle interno pueden quedar ejemplos sin cubrir se deben crear nuevas reglas para dicho par atributo-objetivo = valor
La ausencia de una condición se suele representar con el símbolo ?
Remove ads
Elección de la MEJOR condición
Resumir
Contexto
Para la elección de la mejor condición hay diversos métodos
- Mayor frecuencia relativa en ejemplos en los que el atributo objetivo contiene v
- Mayor ganancia de información por entropía:
Donde p y t son los conjuntos de casos positivos y totales. Los p' y t' son los conjuntos positivos y totales que quedarán una vez añadida la condición.
Remove ads
Ejemplo
Resumir
Contexto
En la primera pasada de bucle externo para Lente = Rígida
Si ? Entonces Lente = Rígida
En la primera pasada del bucle interno la mejor frecuencia relativa hace escoger:
Si Astigmatismo = + Y ? Entonces Lente = Rígida
En la segunda pasada bucle interno la mejor frecuencia relativa hace escoger:
Si Astigmatismo = + Y Lágrima = Normal Y ? Entonces Lente = Rígida
Como la frecuencia relativa es 1 entonces se obtiene esta regla:
Si Astigmatismo = + Y Lágrima = Normal Entonces Lente = Rígida
Al haber casos de lente= Rígida cubiertos incorrectamente se procede a continuar la búsqueda de nuevas reglas eliminando los casos ya usados en el bucle externo.
Véase también
Bibliografía
- Mitchell, T.M. Machine Learning (McGraw-Hill, 1997)
Datos: Q5668300
Wikiwand - on
Seamless Wikipedia browsing. On steroids.
Remove ads