目錄2. 規則學習應用示例
過程：對於每乙個特徵，基於相似的特徵值1r對資料分組，然後對於每個書分組，該演算法的**類為占多數的類。比如動物分類中若以行走途徑為規則錯誤率為2/15，若以是否有皮毛為規則錯誤率為3/15，因此1r演算法基於以行走途徑為規則返回結果。
注意：如果分類水平分布很不均勻，規則學習再**少數類時會有困難。
單一的規則可能太簡單了（大拇指規則），更複雜的任務需要考慮多個屬性，用到更高階的規則學習演算法，但早期這類演算法非常慢，也不準確，因此陸續提出了irep、ripper、irpe++、slipper、tripper等演算法來提高規則學習的效能。
應用規則學習識別有毒的蘑菇
準確率能達到98%以上，但錯過了120種可以食用的蘑菇。
訓練jrip規則演算法，從所有的可用特徵中選擇規則：
jrip分類器學習了9條規則。準確度提高到100%。
看一下，選擇了兩個特徵，比較比較。
和1r演算法的結果一樣。
機器學習與r語言系列推文匯總：
【機器學習與r語言】1-機器學習簡介
【機器學習與r語言】2-k近鄰（knn）
【機器學習與r語言】3-樸素貝葉斯（nb）
【機器學習與r語言】4-決策樹
【機器學習與r語言】5-規則學習
【機器學習與r語言】6-線性回歸
【機器學習與r語言】7-回歸樹和模型樹
【機器學習與r語言】8-神經網路
【機器學習與r語言】9-支援向量機
【機器學習與r語言】10-關聯規則
【機器學習與r語言】11-kmeans聚類
【機器學習與r語言】12-如何評估模型的效能？
【機器學習與r語言】13-如何提高模型的效能？
機器學習 規則學習
f1 f 2 fl 一階規則比 邏輯規則？強很多，能表達複雜的關係，稱為關係型規則，其語義層面與人類的語義層面一致。如何從訓練集學出單條規則 從空規則開始，將正例類別作為規則頭，逐個遍歷訓練集中的每個屬性及取值。在屬性和候選值較多時會存在組合 的問題。cn2 似然率統計量lrs lrs 2 m lo...
更新！機器學習手推筆記《規則學習》
點上方計算機視覺聯盟獲取更多乾貨 在右上方 設為星標 與你不見不散 計算機視覺聯盟筆記 本文內容概述王博kings 機器學習 手推筆記第15章內容 本次更新為第15章筆記 規則學習 內容 本內容同步更新至github上，榮登多次趨勢榜 很高興github接近2000星了 本手推筆記pdf版本 可直接...
用R語言DIY機器學習演算法 KNN
knn演算法又稱為k最鄰近演算法 k nearest neighbour 是一種出現較早且原理比較簡單的機器學習演算法。其基本思想就是根據距離待分類資料a最近的k個樣本資料的分類來 a可能屬於的類別。基本的計算步驟如下 knn演算法的優點是原理簡單，易於實現，在多分類問題中能取得較好的結果 缺點是計...