|
|
 
|
|
如何对所观察的对象进行有意义的分类是科学上—个普通的问题，因为 这种分类有利于人们对所观察到的事物深刻理解，促进相应科学理论的发 展，遗憾的是，尽管人们做了相当的努力，但是对能导致有效分类的机理， 到现在还不甚了解。从机器学习的观点看来，形成分类的过程是“从观察中 学习”的一种形式。从观察中学习是一种无教师指导的学习，力需示教者对 观察的例子分类，因此也不增加人类专家的负担。 产生对象分类的主要思想是对象间相似性的数值化度量。相似性度量 通常定义为由对象属性确定的多维空间上的接近度。因此，只有选择出来的 属性与对象相似性的描述有关时，这种度量才有意义。然而，数值化度量方 法存在有许多缺点：首先这种方法不适应于多值变量和范畴变量，它主要用 于数值变量；其次，这种方法只考虑比较对象的特性，没有考虑适用于说明 对象特征的上下文内容和概念。为了解决这个问题，产生了概念聚类方 法。这种方法是对—些分类对象仅当它们能够被涉及的对象属性的合取概念 严格限定时，才能形成一类。 |
||
