【摘要】：逻辑方法就是研究怎样学习出主题过滤规律的，认为知识就是过滤。逻辑方法比较适应于具有离散变量的样本。传统的逻辑方法主要包括基于覆盖的AQ家族算法，以信息熵为基础的ID3决策树算法以及基于Rough Sets理论的学习算法。
逻辑方法就是研究怎样学习出主题过滤规律的，认为知识就是过滤。逻辑方法比较适应于具有离散变量的样本。对于连续性的变量，常常采用一些离散化的手段把它们转化成离散值。传统的逻辑方法主要包括基于覆盖的AQ家族算法，以信息熵为基础的ID3决策树算法以及基于Rough Sets理论的学习算法。
1.ID3决策树（Decision Tree）算法
ID3是Quinlan于1986年提出的一种重要的归纳学习算法，在机器学习中有广泛的应用，它从训练集中自动归纳出决策树。在应用时，决策树算法基于一种信息增益标准来选择具有信息的词，然后根据文本中出现的词的组合判断相关主题。决策树有以下三个特点：
（1）使用一棵过滤决策树表示学习结果；
（2）决策树的每个节点都是样本的某个属性，采用信息熵作为节点的选择依据；
（3）采用了有效的增量学习策略。(www.xing528.com)
2.AQ11算法[21]
AQ11使用了逻辑语言来描述学习结果。整个学习过程就是一个逻辑演算过程：
其中e1+∈EP，表示正例样本集合中的一个正例样本，其中e1-∈EN表示反例样本集合中的一个反例样本。然后使用分配率和吸收率对上式进行简化。
3.基于Rough集理论的逻辑学习算法
Rough Set是波兰数学家Pawlak提出的一种不确定性知识的表示方法，后来被人们用做数据约简。数据约简是指去除那些对于过滤不起作用的元素，分为只删除属性值的值约简，以及可以删除整个属性的属性约简。数据约简可以在保持相关主题一致的约束下大大简化样本数据，最终使用很少的几条逻辑规则就能描述过滤规则。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
