概念学习和一般到特殊序
Concept Learning and the General-To-Specific Ordering
1 简介
1.1 定义
概念学习（Concept Learning）：考虑的问题是，给定一样例集合以及每个样例是否属于某一概念的标注，怎样自动推出该概念的一般定义。
定义：从有关某个布尔函数的输入输出训练样例中推断出该布尔函数。
1.2 概念学习任务
EnjoySport的例子：
1.3术语定义
实例（instance）
目标概念（target concept）：待学习的概念或函数，记为c。
训练样例（training examples）
正例（positive example）反例（negative example）
所有可能假设（all possible hypotheses）
2假设的一般到特殊序（General-to-Specific Ordering of Hypotheses）
More_general_than_or_equal_to:
3 Find-S：寻找极大特殊假设
考虑表2.1的例子：
Find-S算法简单地忽略每一个反例。
4 变型空间和候选消除算法The Candidate-Elimination Algorithm
4.1 表示
一致（Consistent）
变型空间（version space）
4.2 列表后消除算法the List-Then-Eliminate Algorithm
4.3 变型空间的更简洁表示
一般边界（general boundary）
特殊边界（specific boundary）
变型空间
4.4 候选消除算法Candidate-Elimination Learning Algorithm
5.5 算法举例
5 归纳偏置Inductive Bias
归纳偏置（inductive bias）：由于归纳学习需要某种形式的预先设定。
参考材料：Machine Learing, Tom M.Mitchell