Машинное обучение на основе правил
| Часть серии о |
| Машинное обучение и интеллектуальный анализ данных |
|---|
Машинное обучение на основе правил (RBML) — это термин в информатике, предназначенный для обозначения любого метода машинного обучения , который идентифицирует, изучает или развивает «правила» для хранения, манипулирования или применения. [1] [2] [3] Определяющей характеристикой машинного обучения на основе правил является идентификация и использование набора реляционных правил, которые в совокупности представляют знания, полученные системой.
Подходы к машинному обучению, основанные на правилах, включают системы классификаторов обучения , [4] изучение правил ассоциации , [5] искусственные иммунные системы , [6] и любой другой метод, основанный на наборе правил, каждое из которых охватывает контекстуальные знания.
Хотя машинное обучение на основе правил концептуально является типом системы, основанной на правилах, оно отличается от традиционных систем, основанных на правилах , которые часто создаются вручную, и других лиц, принимающих решения на основе правил. Это связано с тем, что машинное обучение на основе правил применяет некоторую форму алгоритма обучения для автоматического определения полезных правил, вместо того, чтобы человеку приходилось применять предыдущие знания предметной области для ручного создания правил и управления набором правил.
Правила [ править ]
Правила обычно принимают форму выражения «{IF:THEN}» (например, { IF 'условие' THEN 'результат'} или, как более конкретный пример, {IF 'красный' AND 'восьмиугольник' THEN 'стоп-знак } ). Отдельное правило само по себе не является моделью, поскольку правило применимо только тогда, когда выполняется его условие. Поэтому методы машинного обучения на основе правил обычно включают набор правил или базу знаний , которые в совокупности составляют модель прогнозирования.
См. также [ править ]
- Система классификаторов обучения
- Изучение правил ассоциации
- Ассоциативный классификатор
- Искусственная иммунная система
- Экспертная система
- Правило принятия решения
- Индукция правила
- Индуктивное логическое программирование
- Машинный перевод на основе правил
- Генетический алгоритм
- Система, основанная на правилах
- Программирование на основе правил
- ПравилоML
- Система правил производства
- Механизм бизнес-правил
- Система управления бизнес-правилами
Ссылки [ править ]
- ^ Бассель, Джордж В.; Глааб, Энрико; Маркес, Джульетта; Холдсворт, Майкл Дж.; Бакардит, Жауме (1 сентября 2011 г.). «Построение функциональной сети в Arabidopsis с использованием машинного обучения на основе правил для крупномасштабных наборов данных» . Растительная клетка . 23 (9): 3101–3116. дои : 10.1105/tpc.111.088153 . ISSN 1532-298X . ПМЦ 3203449 . ПМИД 21896882 .
- ^ М., Вайс С.; Н., Индурхья (1 января 1995 г.). «Методы машинного обучения на основе правил для функционального прогнозирования» . Журнал исследований искусственного интеллекта . 3 (1995): 383–403. arXiv : cs/9512107 . Бибкод : 1995cs.......12107W . дои : 10.1613/jair.199 . S2CID 1588466 .
{{cite journal}}: CS1 maint: несколько имен: список авторов ( ссылка ) - ^ «GECCO 2016 | Учебные пособия» . ГЕККО 2016 . Проверено 14 октября 2016 г.
- ^ Урбанович, Райан Дж.; Мур, Джейсон Х. (22 сентября 2009 г.). «Изучение систем классификаторов: полное введение, обзор и дорожная карта» . Журнал искусственной эволюции и приложений . 2009 : 1–25. дои : 10.1155/2009/736398 . ISSN 1687-6229 .
- ^ Чжан К. и Чжан С., 2002. Анализ правил ассоциации: модели и алгоритмы . Спрингер-Верлаг.
- ^ Де Кастро, Леандро Нуньес и Джонатан Тиммис. Искусственные иммунные системы: новый подход к вычислительному интеллекту . Springer Science & Business Media, 2002.