Búsqueda actual de la mejor hipótesis

La idea detrás de la búsqueda actual de la mejor hipótesis es mantener una sola hipótesis y ajustarla a medida que surge un nuevo ejemplo para mantener la consistencia.

El espacio de hipótesis H es un conjunto de hipótesis que el algoritmo de aprendizaje está diseñado para entretener. El algoritmo de aprendizaje cree que una hipótesis es correcta, es decir, cree la oración:

h1 Vh2  V h3 V.... V hn

Se pueden descartar hipótesis que no sean consistentes con el ejemplo.

Hay dos formas posibles de ser inconsistente con un ejemplo:

1. Falso negativo: En esta hipótesis, el ejemplo debería ser negativo pero en realidad es positivo.
2. Falso positivo: En este tipo de hipótesis, el ejemplo debería ser positivo pero en realidad es negativo.

si el ejemplo es consistente con la hipótesis entonces no lo cambie. Si el ejemplo es falso negativo entonces generalice la hipótesis y si el ejemplo es falso positivo entonces especialice la hipótesis.

function CURRENT-BEST-LEARNING(examples) return a hypothesis
H<- any hypothesis consistent with the first example in examples
for each remaining example in examples do 
    if e is a false positive for H then
        H<- choose a specialization of H is consistent with examples
    else if e is a false negative for H then
        H<- choose a generalization of H is consistent with examples
    if no consistent specialization/generalization can be found 
    then fail
    return H

El algoritmo de aprendizaje de la mejor hipótesis actual busca una hipótesis consistente y retrocede el algoritmo cuando no se encuentra ninguna solución.

Tenga en cuenta que cada vez que consideramos generalizar o especializar la hipótesis, debemos verificar la consistencia con otros ejemplos, porque un aumento o disminución arbitrario en la extensión puede incluir o excluir ejemplos negativos o positivos vistos anteriormente.

La generalización y la especialización se definen como operaciones que modifican la extensión de la hipótesis.

El algoritmo de la mejor hipótesis actual y sus variantes se han utilizado en muchos sistemas de aprendizaje.

Desventajas:

1. verificar todas las instancias anteriores nuevamente para cada modificación es muy costoso.
2. el proceso de búsqueda puede implicar una gran cantidad de retroceso. El espacio de hipótesis puede ser un lugar doblemente exponencialmente grande.

Las relaciones más generales que y “más específicas que” entre hipótesis proporcionan una estructura lógica en el espacio de hipótesis que hace posible una búsqueda eficiente.