234 Capítulo 10. Programación <strong>lógica</strong> y aprendizaje automático Algoritmo ID3 ✉ informacion(+Objetivo,+Ejemplos,-I) se verifica si I es la cantidad <strong>de</strong> información en los Ejemplos respecto <strong>de</strong>l Objetivo; es <strong>de</strong>cir, � 0, si N ∗ P = 0; I = − P T log2 P N − T T log2 N , si N ∗ P �= 0. T informacion(Objetivo,Ejemplos,I) :cuenta(Objetivo,_,Ejemplos,NP,NN), ( (NP=0 ; NN=0) -> I=0 ; true -> NT is NP + NN, I is - NP/NT * log2(NP/NT) - NN/NT * log2(NN/NT)). PL 2004–05 CcIa Programación <strong>lógica</strong> y aprendizaje automático 10.29 Algoritmo ID3 ✉ cuenta(+Atributo,?VP,+Ejemplos,-NP,-NN) se verifica si NP es el número <strong>de</strong> ejemplos positivos (es <strong>de</strong>cir, elementos <strong>de</strong> Ejemplos tales que el valor <strong>de</strong> su Atributo es VP (valor positivo)) y NN es el número <strong>de</strong> ejemplos negativos. cuenta(_,_,[],0,0). cuenta(Atributo,VP,[E|R],NP,NN) :val(E,Atributo,VP), cuenta(Atributo,VP,R,NP1,NN), NP is NP1+1. cuenta(Atributo,VP,[E|R],NP,NN) :val(E,Atributo,VNeg), not(VP=VNeg), cuenta(Atributo,VP,R,NP,NN1), NN is NN1+1. PL 2004–05 CcIa Programación <strong>lógica</strong> y aprendizaje automático 10.30
Algoritmo ID3 ✉ selecciona max ganancia informacion(+Objetivo, +Ejemplos, +Atributos, +Mejor atributo actual, +Mejor info actual, -Atributo, +Atributos analizados, -Resto atributos) se verifica si Atributo es el elemento <strong>de</strong> Atributos tal la información resultante <strong>de</strong>l Objetivo en los Ejemplos usando como división el Atributo es mínima. selecciona_max_ganancia_informacion(_,_,[],MejorA,_, MejorA, A_analizados, A_analizados). selecciona_max_ganancia_informacion(Objetivo, Ejs, [A|R], MejorA, MejorI, Atributo, A_analizados, Resto_Atr) :informacion_division(Objetivo,Ejs,A,Informacion), ( Informacion > MejorI -> selecciona_max_ganancia_informacion( Objetivo,Ejs,R,MejorA,MejorI,Atributo,[A|A_analizados],Resto_Atr) ; true -> selecciona_max_ganancia_informacion( Objetivo,Ejs,R,A,Informacion,Atributo,[MejorA|A_analizados],Resto_Atr) ). PL 2004–05 CcIa Programación <strong>lógica</strong> y aprendizaje automático 10.31 Algoritmo ID3 ① División <strong>de</strong> los ejemplos Programación <strong>lógica</strong> e I.A. 235 ✉ divi<strong>de</strong>(+Ejemplos,+Atributo,?Valor,-Positivos,-Negativos) se verifica si Positivos es la lista <strong>de</strong> elementos <strong>de</strong> Ejemplos tales que el valor <strong>de</strong> Atributo es Valor y Negativos es la lista <strong>de</strong> los restantes Ejemplos. divi<strong>de</strong>([],_,_,[],[]). divi<strong>de</strong>([Ej|Rest],Atributo,ValPos,[Ej|Positivos],Negativos) :val(Ej,Atributo,ValPos), divi<strong>de</strong>(Rest,Atributo,ValPos,Positivos,Negativos). divi<strong>de</strong>([Ej|Rest],Atributo,ValPos,Positivos,[Ej|Negativos]) :val(Ej,Atributo,ValNeg), not(ValNeg = ValPos), divi<strong>de</strong>(Rest,Atributo,ValPos,Positivos,Negativos). PL 2004–05 CcIa Programación <strong>lógica</strong> y aprendizaje automático 10.32
- Page 1 and 2:
Temas de “Programación lógica e
- Page 3 and 4:
Índice general 1. El sistema deduc
- Page 5 and 6:
Capítulo 1 El sistema deductivo de
- Page 7 and 8:
PD Tema 1: El sistema deductivo de
- Page 9 and 10:
PD Tema 1: El sistema deductivo de
- Page 11 and 12:
PD Tema 1: El sistema deductivo de
- Page 13 and 14:
PD Tema 1: El sistema deductivo de
- Page 15 and 16:
PD Tema 1: El sistema deductivo de
- Page 17 and 18:
PD Tema 1: El sistema deductivo de
- Page 19 and 20:
PD Tema 1: El sistema deductivo de
- Page 21 and 22:
Capítulo 2 Introducción a la prog
- Page 23 and 24:
PD Tema 2: Prolog Listas Construcci
- Page 25 and 26:
PD Tema 2: Prolog Listas Definició
- Page 27 and 28:
PD Tema 2: Prolog Listas Definició
- Page 29 and 30:
PD Tema 2: Prolog Operadores y arit
- Page 31 and 32:
PD Tema 2: Prolog Operadores y arit
- Page 33 and 34:
PD Tema 2: Prolog Corte, negación
- Page 35 and 36:
PD Tema 2: Prolog Corte, negación
- Page 37 and 38:
PD Tema 2: Prolog Corte, negación
- Page 39 and 40:
PD Tema 2: Prolog Corte, negación
- Page 41 and 42:
PD Tema 2: Prolog Corte, negación
- Page 43 and 44:
PD Tema 2: Prolog Relaciones sobre
- Page 45 and 46:
PD Tema 2: Prolog Relaciones sobre
- Page 47 and 48:
PD Tema 2: Prolog Transformación e
- Page 49 and 50:
PD Tema 2: Prolog Transformación e
- Page 51 and 52:
PD Tema 2: Prolog Procedimientos ap
- Page 53 and 54:
PD Tema 2: Prolog Todas las solucio
- Page 55 and 56:
Capítulo 3 Programación con Prolo
- Page 57 and 58:
PD Tema 3: Programación con Prolog
- Page 59 and 60:
PD Tema 3: Programación con Prolog
- Page 61 and 62:
PD Tema 3: Programación con Prolog
- Page 63 and 64:
PD Tema 3: Programación con Prolog
- Page 65 and 66:
PD Tema 3: Programación con Prolog
- Page 67 and 68:
PD Tema 3: Programación con Prolog
- Page 69 and 70:
PD Tema 3: Programación con Prolog
- Page 71 and 72:
PD Tema 3: Programación con Prolog
- Page 73 and 74:
PD Tema 3: Programación con Prolog
- Page 75 and 76:
PD Tema 3: Programación con Prolog
- Page 77 and 78:
Capítulo 4 Resolución de problema
- Page 79 and 80:
PD Tema 4: Resolución de problemas
- Page 81 and 82:
PD Tema 4: Resolución de problemas
- Page 83 and 84:
PD Tema 4: Resolución de problemas
- Page 85 and 86:
PD Tema 4: Resolución de problemas
- Page 87 and 88:
PD Tema 4: Resolución de problemas
- Page 89 and 90:
PD Tema 4: Resolución de problemas
- Page 91 and 92:
PD Tema 4: Resolución de problemas
- Page 93 and 94:
PD Tema 4: Resolución de problemas
- Page 95 and 96:
PD Tema 4: Resolución de problemas
- Page 97 and 98:
PD Tema 4: Resolución de problemas
- Page 99 and 100:
PD Tema 4: Resolución de problemas
- Page 101 and 102:
PD Tema 4: Resolución de problemas
- Page 103 and 104:
Capítulo 5 Procesamiento del lengu
- Page 105 and 106:
PD Tema 5: Procesamiento del lengua
- Page 107 and 108:
PD Tema 5: Procesamiento del lengua
- Page 109 and 110:
PD Tema 5: Procesamiento del lengua
- Page 111 and 112:
PD Tema 5: Procesamiento del lengua
- Page 113 and 114:
PD Tema 5: Procesamiento del lengua
- Page 115 and 116:
PD Tema 5: Procesamiento del lengua
- Page 117 and 118:
PD Tema 5: Procesamiento del lengua
- Page 119 and 120:
PD Tema 5: Procesamiento del lengua
- Page 121 and 122:
PD Tema 5: Procesamiento del lengua
- Page 123 and 124:
PD Tema 5: Procesamiento del lengua
- Page 125 and 126:
PD Tema 5: Procesamiento del lengua
- Page 127 and 128:
PD Tema 5: Procesamiento del lengua
- Page 129 and 130:
PD Tema 5: Procesamiento del lengua
- Page 131 and 132:
PD Tema 5: Procesamiento del lengua
- Page 133 and 134:
Capítulo 6 Ingeniería del conocim
- Page 135 and 136:
PD Tema 6: Ingeniería del conocimi
- Page 137 and 138:
PD Tema 6: Ingeniería del conocimi
- Page 139 and 140:
PD Tema 6: Ingeniería del conocimi
- Page 141 and 142:
PD Tema 6: Ingeniería del conocimi
- Page 143 and 144:
PD Tema 6: Ingeniería del conocimi
- Page 145 and 146:
PD Tema 6: Ingeniería del conocimi
- Page 147 and 148:
PD Tema 6: Ingeniería del conocimi
- Page 149 and 150:
PD Tema 6: Ingeniería del conocimi
- Page 151 and 152:
PD Tema 6: Ingeniería del conocimi
- Page 153 and 154:
PD Tema 6: Ingeniería del conocimi
- Page 155 and 156:
PD Tema 6: Ingeniería del conocimi
- Page 157 and 158:
PD Tema 6: Ingeniería del conocimi
- Page 159 and 160:
PD Tema 6: Ingeniería del conocimi
- Page 161 and 162:
PD Tema 6: Ingeniería del conocimi
- Page 163 and 164:
PD Tema 6: Ingeniería del conocimi
- Page 165 and 166:
Capítulo 7 Razonamiento por defect
- Page 167 and 168:
Razonamiento por defecto ① Progra
- Page 169 and 170:
Razonamiento por defecto ① Cancel
- Page 171 and 172:
Razonamiento por defecto ✉ Sesió
- Page 173 and 174:
Razonamiento abductivo ✉ Programa
- Page 175 and 176:
Diagnóstico mediante abducción
- Page 177 and 178:
Capítulo 8 Programación lógica c
- Page 179 and 180:
CLP sobre números reales: CLP(R)
- Page 181 and 182:
CLP sobre números reales: CLP(R)
- Page 183 and 184: CLP sobre números reales: CLP(R)
- Page 185 and 186: Planificación de tareas con CLP(Q)
- Page 187 and 188: Restricciones sobre dominios finito
- Page 189 and 190: Restricciones sobre dominios finito
- Page 191 and 192: Restricciones sobre dominios finito
- Page 193 and 194: Capítulo 9 Formalización en Prolo
- Page 195 and 196: Sintaxis de la lógica proposiciona
- Page 197 and 198: Valor de una fórmula ✉ Def. de v
- Page 199 and 200: Interpretaciones de una fórmula
- Page 201 and 202: Satisfacibilidad ① Una fórmula e
- Page 203 and 204: Interpretaciones de conjuntos ✉ i
- Page 205 and 206: Cálculo de modelos de conjuntos
- Page 207 and 208: Ejemplo: veraces y mentirosos ① E
- Page 209 and 210: Ejemplo: Problema de los trabajos
- Page 211 and 212: Ejemplo: Problema del coloreado ✉
- Page 213 and 214: Ejemplo: Problema del palomar ✉ S
- Page 215 and 216: Ejemplo: Problema de las 4 reinas
- Page 217 and 218: Ejemplo: Problema de Ramsey % Hay 3
- Page 219 and 220: Capítulo 10 Programación lógica
- Page 221 and 222: Arquitectura de aprendizaje automá
- Page 223 and 224: Cuestiones sobre árboles de decisi
- Page 225 and 226: Búsqueda del árbol de decisión
- Page 227 and 228: Búsqueda del árbol de decisión
- Page 229 and 230: Búsqueda del árbol de decisión
- Page 231 and 232: Algoritmo ID3 1. Si todos los ejemp
- Page 233: Algoritmo ID3 ① Selección del me
- Page 237 and 238: Programación Lógica Inductiva ①
- Page 239 and 240: Ejemplo con FOIL Ganancia: 0.000 Cl
- Page 241 and 242: Ejemplo de FOIL con CWA ① Sesión
- Page 243 and 244: Ejemplo de FOIL con CWA Ganancia: 1
- Page 245 and 246: Ejemplo de FOIL con CWA y conocimie
- Page 247 and 248: Ejemplo con FOIL de relación recur
- Page 249 and 250: Ejemplo con Progol en espacios infi
- Page 251 and 252: Ejemplo con Progol en espacios infi
- Page 253 and 254: Árboles de decisión en Progol ✉
- Page 255 and 256: Árboles de decisión en Progol [7
- Page 257 and 258: Árboles de decisión en Progol [2
- Page 259 and 260: Aplicaciones con PLI ① Procesamie
- Page 261 and 262: Bibliografía [1] J.A. Alonso y J.