Основы построения и функционирования интеллектуальных информационных систем. Былкин В.Д - 71 стр.

но не разделяет другие красные и синие планки. При таком подходе ограда, описанная выше, не
является линейно-сепарабельной.
      Если, однако, вы прибьете планки красного цвета с одной (внутренней) стороны
перекладины, а синего цвета- с другой (внешней), перемежая их вдоль изгороди, то удастся
довольно легко разделить их по цвету, поместив разделяющую поверхность вдоль изгороди по
центру перекладин. Ограда останется приблизительно той же самой, но планки для фиксации
места их расположения вдоль изгороди сада можно просто все подряд перенумеровать.
Поскольку цвета планок по условию задачи чередуются, все четные планки будут синего цвета,
а все нечетные — красного. Если таким образом описать планки ограды, то они будут
линейно-сепарабельньши и экспертная система сможет обучиться отличать, какая из планок
красная, а какая синяя.
     Вся сложность в том, что положение планок ограды практически не изменилось, вы
просто описали их по-другому. В этом суть дела. Следует так выбирать переменные, чтобы их
использование позволяло экспертной системе распознавать различные исходы. Это, конечно, не
очень удобная точка зрения, если говорить честно, поскольку так или иначе необходимо решить
поставленную задачу, Если вы, например, желаете, чтобы экспертная система предсказывала,
пойдет или не пойдет завтра дождь, то вы не дадите ей для обработки результаты футбольного
матча. Ясно, что предоставление знаний о результатах футбольного матча не поможет системе
предсказать погоду, следовательно, и решаемая проблема не станет линейно-сепарабельной.
(Кто-то, возможно допускает, что результаты футбольных матчей иногда говорят о погоде, что
дает возможность извлечь какую-то информацию, полезную для ее предсказания, но едва ли
можно рассчитывать на четкий ответ в этом случае.)
Кроме собственно проблемы распознавания (т.е. случаев линейной-сепарабельности), важным
также является то, как долго экспертная система будет обучаться достаточному набору правил.
Наилучший способ — это задавать системе все возможные примеры до тех пор, пока она
перестанет делать ошибки, если число возможных исходов достаточно мало. В противном
случае требуется ввести в систему, по крайней мере, по паре примеров для каждого возможного
исхода и внимательно наблюдать за ее поведением, пока оно не установится.




                                            71