1.初始化h為H中最特殊的假設。 h<–(n,n,n,…,n); 2.輸入第一個樣本x，如果x為反例，則忽略；如果x為正例，將該正例中的引數全部代入h中，即h=x； 3.再次輸入一個樣本x，如果x為反例，則忽略；如果x為正例，則與h比較，將不同引數修改（泛華）為？。 比如：x的第一個引數為與h的第一個引數不同。則修改該引數為？ 重複3步驟，直至全部樣本遍歷完全。

例子： 如書上的例子：

樣本：

1、將樣本1設為h。 h<-（Sunny,Warm,Normal,Strong,Warm,Same） 2.輸入第2個樣本，並比較，泛化h： h<-(Sunny,Warm,?,Strong,Warm,Same) .3.第3個樣本為反例，忽略： h<-(Sunny,Warm,?,Strong,Warm,Same) .4.第4個樣本，比較，泛化h： 最後得到： h<-(Sunny,Warm,?,Strong,?,?)

FIND-S演算法的重要特點： 對以屬性約束的合取式描述的假設空間，保證輸出為H中與正例一致的最特殊的假設。只要正確的目標概念包含在H中，並且樣本全部正確，最後得到的結果就與所有反例一致。 缺點： 收斂性，如果樣本太少，太單一，很有可能無法得到唯一正確的結果。 樣本的正確性不能保證。