Concept Learning

• supervised, eager learning
• target problem: whether something belongs to the target concept or not

Find-S Algorithm

这个算法得到的是对于数据集最贴切的描述。

优点：

• 这个算法的 output 一定是最符合 positive 的训练数据集，只要训练数据都正确，output 也同样符合 negative 的训练数据集。

缺点：

• 对于训练数据中的噪音十分敏感，如果训练数据中含有错误数据，最后得出的 output 会受到很大的影响。
• 不能保证只有这一种 output 符合训练数据。可能有很多种描述都符合，但这个算法只会得出一种。

Candidate-Elimination Algorithm

相对于 Find-S，这个算法得出两个假设，一个是最贴近数据集的，一个是最 general 的。