人工智能之机器学习与深度学习-19粗糙集
粗糙集
•如果有人问你那个头号无聊问题：先有鸡还是先有蛋？，你该怎么回答？
•粗糙集理论在数学意义上描述了知识的不确定性，它的特点是把用于分类的知识嵌入集合内，使分类与知识联系在一起。
•知识的粒度、不可分辨关系
•上近似、下近似、边界等概念见下图
粗糙集的度量
粗糙集举例
若另有一个属性：IND({UNK}) = {{x1}, {x2}, {x3,x4}, {x5,x7}, {x6}}.
则正好满足IND(Age, LEMS, UNK) = IND(Age, LEMS)，则UNK是可以约简的。
•IND({Age})
= {{x1,x2,x6}, {x3,x4}, {x5,x7}}
•IND({LEMS})
= {{x1}, {x2}, {x3,x4}, {x5,x6,x7}}
•IND({Age, LEMS})
= {{x1}, {x2}, {x3,x4}, {x5,x7}, {x6}}.
•令 W = {x | Walk(x) = yes}.
•
•决策类（Walk）是粗糙的，因为边界区域不为空.