Теория решеток для машинного обучения

В статье представлены теоретические основы для построения системы машинного обучения, основанного на бинарной операции сходства. Ключевой техникой является Анализ формальных понятий – современный раздел теории решеток. Показаны алгоритмы представления объектов, описываемых как дискретными, так и непрерывными признаками. Описан метод Монте-Карло, основанный на цепях Маркова. После обсуждения ключевых шагов машинного обучения изложен результат о достаточном числе порождаемых гипотез. Предложены результаты экспериментальной проверки представленного подхода на нескольких массивах из репозитория UCI.