Machine learning Find-S的缺点

Find-S算法的一个常见缺点是Find-S返回的假设h可能不是唯一适合数据的h

现在，我很难理解这一点，因为肯定只有一个“最具体”的假设

例如： 鉴于以下培训数据：

我们将得到以下迭代i：

i0:S={日本，本田，蓝色，1980，经济}（使用示例1）

i1:S={Japan，Honda，Blue，？，Economy}（使用示例3：跳过示例2，因为它是负数）

i2:S={Japan，Honda，？，Economy}（使用示例5：跳过示例4，因为它是负数）

i3:S={日本，，，，，经济}（使用示例6） 结束（跳过示例7，因为它是负数）

所以，在我看来，除了S={日本，，，，，，经济}之外，这个数据集没有其他最具体的假设。但很明显我一定是错了。

---

有人能解释一下我的假设是怎么不正确的吗？谢谢。

这是我自己学的。但在我看来，我的答案和你一样。然而，在你的

i1

步骤中，你错过了

Toyota

，这会让你获得一个好成绩？如前所述：

S1 = {Japan, Honda, Blue, 1980, Economy}

S2 = {Japan, ?, Blue, ?, Economy}

S3 = {Japan, ?, ?, ?, Economy}

S4 = {Japan, ?, ?, ?, Economy}

我在半小时前才开始读这篇文章，但据我所知，Find-S只会给你一个假设，因为你是从一个

specific==>generalized

形式开始的

---

然而，如果你是从一个

泛化==>特定的
表单开始，那么你最终可能会得到很多例子。我在这里是因为这就是为什么我要找出它是如何工作的
 这是我自己学的。但在我看来，我的答案和你一样。然而，在你的
i1
步骤中，你错过了
Toyota
，这会让你获得一个好成绩？如前所述：

S1 = {Japan, Honda, Blue, 1980, Economy}

S2 = {Japan, ?, Blue, ?, Economy}

S3 = {Japan, ?, ?, ?, Economy}

S4 = {Japan, ?, ?, ?, Economy}

我在半小时前才开始读这篇文章，但据我所知，Find-S只会给你一个假设，因为你是从一个
specific==>generalized
形式开始的

然而，如果你是从一个
泛化==>特定的
表单开始，那么你最终可能会得到很多例子。我在这里是因为这就是为什么我要找出它是如何工作的