论文部分内容阅读
机器学习中的Boosting技术是给训练例赋予不同的权值,使得学习算法可以集中学习较难的训练例。另一方面,一阶规则学习中的mFOIL算法学习精度较高,但是用于估计候选子句精度的最佳m值很难确定。为了解决这一难题,提出了将Boosting技术用于一阶规则学习的BoostmFOIL算法,使得对于任意的m值也可以学到精度较高的规则集。此外,为了增强Boosting技术对噪声数据的鲁棒性,对噪声数据赋予相对较小的权值,使其对学习算法的精度影响甚微。在基准的规则学习领域的实验结果表明:a)对于任意的m值,Bo