ВУЗ:
Составители:
48
INPUT "Второй исход:"; OUTCOME2S
PRINT
FOR i = 1 TO VAR
VALUE(i) = 0
PRINT "Переменная:"; VAR$(i)
INPUT "Эта переменная есть <Y/N>"; A$
IF A$ = "Y" OR A$ = "y" THEN VALUE(i) =1
NEXT
DECISION = 0
FOR i = 1 TO VAR
DECISION = DECISION + VALUE(i) * RULES(i)
NEXT
PRINT "Возможный исход-"; : IF DECISION > 0 THEN PRINT
OUTCOME1$ ELSE PRINT OUTCOME2$
INPUT "Это верно <Y/N>"; A$
IF A$ = "Y" OR A$ = "y" THEN 150
IF DECISION > 0 THEN
FOR i = 1 TO VAR: RULES(i) = RULES(i) - VALUE(i): NEXT
ELSE FOR i = 1 TO VAR: RULES(i) = RULES(i) + VALUE(i):
NEXT
GOTO 150
Следует отметить, что постепенно система улучшает свои предсказания относительно
возможного исхода, хотя насколько лучше, — зависит от того, какую информацию мы в нее ввели
вначале. Если, например, мы все еще пытаемся предсказать погоду и возможными исходами
является Дождь/Hem Дождя, то трудно сказать, была ли система права, до тех пор пока мы не
подождем до завтра, чтобы все это выяснить. Тогда окажется, что и один запрос в день — это не
слишком часто, поскольку такова скорость обучения. Существенно более продуктивной схемой
обучения является использование систематизированного списка сводок погоды, так как в этом
случае мы будем фактически знать реальный исход. С другой стороны, лучше не иметь таких
проблем. Нам следует изобрести нечто более строгое, например систему классификаций объектов.
Допустим, вы исследуете некоторый объект. Он должен принадлежать к одному из двух классов.
Продумайте, какие переменные будут его характеризовать, и введите их. Программа должна' быть в
состоянии определить, к какому классу принадлежит объект, исследуемый нами.
INPUT "Второй исход:"; OUTCOME2S PRINT FOR i = 1 TO VAR VALUE(i) = 0 PRINT "Переменная:"; VAR$(i) INPUT "Эта переменная есть"; A$ IF A$ = "Y" OR A$ = "y" THEN VALUE(i) =1 NEXT DECISION = 0 FOR i = 1 TO VAR DECISION = DECISION + VALUE(i) * RULES(i) NEXT PRINT "Возможный исход-"; : IF DECISION > 0 THEN PRINT OUTCOME1$ ELSE PRINT OUTCOME2$ INPUT "Это верно "; A$ IF A$ = "Y" OR A$ = "y" THEN 150 IF DECISION > 0 THEN FOR i = 1 TO VAR: RULES(i) = RULES(i) - VALUE(i): NEXT ELSE FOR i = 1 TO VAR: RULES(i) = RULES(i) + VALUE(i): NEXT GOTO 150 Следует отметить, что постепенно система улучшает свои предсказания относительно возможного исхода, хотя насколько лучше, — зависит от того, какую информацию мы в нее ввели вначале. Если, например, мы все еще пытаемся предсказать погоду и возможными исходами является Дождь/Hem Дождя, то трудно сказать, была ли система права, до тех пор пока мы не подождем до завтра, чтобы все это выяснить. Тогда окажется, что и один запрос в день — это не слишком часто, поскольку такова скорость обучения. Существенно более продуктивной схемой обучения является использование систематизированного списка сводок погоды, так как в этом случае мы будем фактически знать реальный исход. С другой стороны, лучше не иметь таких проблем. Нам следует изобрести нечто более строгое, например систему классификаций объектов. Допустим, вы исследуете некоторый объект. Он должен принадлежать к одному из двух классов. Продумайте, какие переменные будут его характеризовать, и введите их. Программа должна' быть в состоянии определить, к какому классу принадлежит объект, исследуемый нами. 48
Страницы
- « первая
- ‹ предыдущая
- …
- 46
- 47
- 48
- 49
- 50
- …
- следующая ›
- последняя »
