Фрактальность ограничений сосуществования свойств в задачах машинного обучения

Abstract

Рассматривается априорное знание, устанавливающее, как факты обнаружения у эмпирически наблюдаемых объектов одних свойств влияют на наличие других. Учет таких ограничений сосуществования свойств у объектов изучаемой предметной области необходим для корректного формирования контекстов задач машинного обучения в условиях неполноты и противоречивости исходных данных. В статье представлена новая многоуровневая рекурсивная (фрактальная) модель таких ограничений. Модель строится на основе точки зрения о логико-понятийном происхождении ограничений с использованием элементарных бинарных отношений на множестве измеряемых свойств - несовместимости и обусловленности. Описывается эвристический метод и алгоритм для однозначной («четкой») аппроксимации «мягкого» контекста при действии ограничений сосуществования свойств. Properties existence constraints for objects of the subject domain are necessary knowledge for constructing formal contexts in machine learning. The article presents a new multilevel (fractal) model of these constraints. The model combines the point of view on the genesis of constraints and the elementary binary relations of incompatibility and conditionality. An algorithm for “crisp” approximation of the “soft” formal context is described.