机器学习---规则学习（一阶规则学习、归纳逻辑程序设计）

1. 一阶规则学习

“一阶”的目的：描述一类物体的性质、相互关系，比如利用一阶关系来挑“ 更好的”瓜，但实际应用

中很难量化颜色、 …、敲声的属性值。一般情况下可以省略全称量词。

命题逻辑：属性-值数据

色泽程度：乌黑>青绿>q浅白；“根蒂弯度”：蜷缩＞稍蜷＞硬挺；“更好”：好瓜＞坏瓜

关系型数据一阶逻辑：

序贯覆盖生成规则集：能否引入新变量？能否使用否定文字？能否允许递归？能否引入函数嵌套？

自顶向下学习单条规则，候选文字需考虑所有可能的选项：

规则生长的评判标准为FOIL增益：

2. 归纳逻辑程序设计

目标：完备地学习一阶规则（Horn子句）；仍然以序贯覆盖方法学习规则集，一般采用自底向上

策略学习单条规则。不需要列举所有可能的候选规则；对目标概念的搜索维持在样例附近的局部区

域；自顶向下策略的搜索空间对于规则长度呈指数级增长。

2.1 最小一般泛化(LGG) [Plotkin, 1970]：

“泛化”：将覆盖率低的规则变换为覆盖率高的规