基于Reduct的“规则+例外”学习

一般地说,机器学习关注的是“规则”,并将规则不能覆盖的“例外”考虑为噪声.然而,大量的应用不仅需要刻画满足大多数观察的规则,同时需要显现可解释地表示例外.在情报分析与安全预警这类应用中,例外可能是更为重要的知识.对此作者描述了一类限制在结构化符号数据集合上的基于Reduct的“规则+例外”学习的理论框架,并给出了解决这个框架各个组成部分中所存在的问题的一个方案.