Индукция правила
Индукция правил — это область машинного обучения , в которой формальные правила извлекаются из набора наблюдений. Извлеченные правила могут представлять собой полную научную модель данных или просто отражать локальные закономерности в данных.
Интеллектуальный анализ данных в целом и индукция правил в деталях направлены на создание алгоритмов без человеческого программирования, но с анализом существующих структур данных. [1] : 415- В самом простом случае правило выражается с помощью «операторов if-then» и создается с помощью алгоритма ID3 для обучения дерева решений. [2] : 7 [1] : 348 Алгоритм обучения правилам принимает данные обучения в качестве входных данных и создает правила путем разделения таблицы с помощью кластерного анализа . [2] : 7 Возможная альтернатива алгоритму ID3 — генетическое программирование, которое развивает программу до тех пор, пока она не будет соответствовать данным. [3] : 2
Создание различных алгоритмов и их тестирование с входными данными можно реализовать в программном обеспечении WEKA. [3] : 125 Дополнительные инструменты — это библиотеки машинного обучения для Python , такие как scikit-learn .
Парадигмы
[ редактировать ]Некоторые основные парадигмы индукции правил:
- Алгоритмы обучения правилам ассоциации (например, Agrawal)
- Алгоритмы правил принятия решений (например, Quinlan 1987)
- Алгоритмы проверки гипотез (например, RULEX)
- предложения Хорна Индукция
- Пространства версий
- Грубые установленные правила
- Индуктивное логическое программирование
- Булево разложение (Фельдман)
Алгоритмы
[ редактировать ]Некоторые алгоритмы индукции правил:
Ссылки
[ редактировать ]- ^ Jump up to: а б Евангелос Триантафиллу; Джованни Феличи (10 сентября 2006 г.). Подходы к интеллектуальному анализу данных и обнаружению знаний, основанные на методах индукции правил . Springer Science & Business Media. ISBN 978-0-387-34296-2 .
- ^ Jump up to: а б Алекс А. Фрейтас (11 ноября 2013 г.). Интеллектуальный анализ данных и обнаружение знаний с помощью эволюционных алгоритмов . Springer Science & Business Media. ISBN 978-3-662-04923-5 .
- ^ Jump up to: а б Жизель Л. Паппа; Алекс Фрейтас (27 октября 2009 г.). Автоматизация разработки алгоритмов интеллектуального анализа данных: эволюционный подход к вычислениям . Springer Science & Business Media. ISBN 978-3-642-02541-9 .
- ^ Сахами, Мехран. « Изучение правил классификации с использованием решеток ». Машинное обучение: ECML-95 (1995): 343-346.
- Куинлан, младший (1987). «Создание правил производства на основе деревьев решений» (PDF) . В Макдермотте, Джон (ред.). Материалы Десятой Международной совместной конференции по искусственному интеллекту (IJCAI-87) . Милан, Италия. стр. 304–307.
 | Эта по информатике статья незавершена . Вы можете помочь Википедии, расширив ее . |