（2）n≥30。
（3）假设h在这n样例上犯了r个错误（errors （h）=r/n） ”。
“举例说明，假如数据样本s包含n=40个样例，并且假设h在这些数据上产生了r=12个错误。这样，样本错误率为errord （h）=12/40=0.30。如果没有更多的信息，对真实错误率errord （h）的最好的估计即为样本错误率0.30。然而我们不能期望这是对真实错误率的完美估计。如果另外收集40个随机抽取的样例s'，样本错误率errors' （h）将与原来的errors （h）存在一些差别。这种差别是由s'和s组成上的随机差异所产生的。实际上，如果不断重复这一实验，每次抽取一个包含40样例的样本si，将会发现约95%的实验中计算所得的区间包含真实错误率。因此，我们将此区间称为errord （h）的95%置信区间估计”。
已知这些条件，统计理论可给出以下断言：
（1）没有其他信息的话，errord （h）最有可能的值为errors （h）。
（2）有大约95%的可能性，真实错误率errord （h）处于下面的区间内：
errord （h）±1.96■ 。
当评估人员在计算真实错误率的置信区间时，首先必须计算实例的置信度。在评估假设中可以通过样本的错误率得出真实错误率置信区间，在若干次实验中，如果置信度的值越大，在真实错误率落入该区间的概率就越大。估计者在计算真实错误率的置信区间时必须使用已有的条件，样本错误率的概率在计算置信区间是必可少的。据已有的技术，对某类算法进行精度估计时，必须使用评价估计算法和思想。在若干次实验中，如果实验置信度的值越大，在真实错误率落入该区间的概率就越大。
从直觉上我们也可以看出68%置信区间要小于95%置信区间，因为我们减小要求落入此区间的概率。根基上述理由和分析，在机器学习中的评价估计的算法中可以知道实例的置信度的概率越大，则真实错误率的值落入该置信区间的概率就越大。但如何使得机器具有对某个实例的真实错误率落入某个置信区间概率的大小进行自主的判断，目前还缺少相应的算法。在一定条件下，某种实例的真实错误率落入某个区间的概率有大有小，概率的大与小是一个有反对对立面的概念。因此本文中可以使用MMTD算法来对落入真实错误率置信区间的概率进行评估和判断。MMTD算法是一种智能性的算法，因此该算法对落入置信区间概率大小的进行判断和评估，这将有助于评估假设算法的智能性。
3 MMTD算法技术
3.1 中介真值程度度量知识
中介逻辑将事物的属性描述成三种状态，事物属性的两个对立面和对立面的中间过渡状态。在中介真值程度度量方法中，提出了事物超态属性概念，该方法符合中介思想事物的属性并且被划分为五种状态：事物的两个对立面，对立面的中间过渡状态和事物超态对立面。这里用符号表示为～P，P与┒P，超态+P与超态┒+ P。现用数轴将以上的描述的概念表达如下：
手机版
欢迎光临汇博在线http://www.paper188.com