《Rule Induction with a Genetic Sequential Covering Algorithm》GeSeCo概要解读

《Rule Induction with a Genetic Sequential Covering Algorithm》GeSeCo概要解读

Marshal Zheng 2019-04-27

文章目录

• 《Rule Induction with a Genetic Sequential Covering Algorithm》GeSeCo概要解读
• 背景
• 摘要
• 介绍
• part 2
• 2.1 Monks-1问题
• 2.2 top-level description
• 2.3 learn one rule
• 2.4 stop function
• part3
• 结论

背景

最近考虑“遗传算法”、“生成规则”等问题，国内搜了好长时间，类似的文章很少，或者泛泛而谈，所以拜读了这篇经典文章，并简要做笔记如下，限于时间，没有全文翻译。

摘要

本文提供了一种规则-适应度算法，并与其它规则学习算法进行了比较

介绍

就是介绍背景

下面开始GeSeCo

part 2

2.1 Monks-1问题

SEQUENTIAL_COVERING ALGOTITHM

remark：对于真实世界更多属性的问题，假设空间更大。

2.2 top-level description

接下来讲 LEARN ONE RULE

2.3 learn one rule

开始种群：p个随机生成的规则，每个规则：二进制bit，长度：19bits，每个规则有一个相对应的适应度值（描述规则质量）

统计原理提供了适应度函数基础。

公式：

这里$\overline{A}$A表示$N_c/(N+1)$Nc​/(N+1),A表示$N_c/N$Nc​/N，其中$N$N表示总样本数，$N_c$Nc​表示识别正确样本数.

然后文章中讲了一大段为什么要用$\overline{A}$A（关键词：大样本，数据增加影响力）

2.4 stop function

stop when：

1. 没有规则需要生成了，剩下的都是一类
2. 适应度小于一个阈值（典型0.5）

part3

展示效果

结论

总结一下上面。