最佳分類/Rypka 方法/方程/分離/特徵/經驗/分離

分離階段

初始分離

$S_{j}={\frac {\left[(G^{2})-\sum _{l=0}^{R}n_{l}^{2}\right]}{2}}$, 其中：

• S_j 是每個特徵的初始經驗分離值，其中，

j = 0...C 是組中j 個特徵的索引，C 是組中特徵的數量，以及，

l = 0...R 是j 個特徵的真值表值，其中R 是真值表的大小，其中

R = V⁰，以及，

• V 是組中邏輯的最高值，以及，
• 0 是單個特徵的目標集指數，以及，

• G 是有界類的元素數量。

後續分離

$S={\frac {\left[(G^{2})-\sum _{l=0}^{R}n_{l}^{2}\right]}{2}}$, 其中

• S_j 是每個特徵的初始經驗分離值，其中，

l = 0...R 是目標集真值表索引值，其中R 是目標集真值表大小值，其中

R = V^K，以及，

• V 是組中邏輯的最高值，以及，
• K 是目標集中特徵的數量，以及，

• G 是有界類的元素數量。