Индукция правила - Rule induction
Индукция правил - это область машинного обучения, в которой формальные правила извлекаются из набора наблюдений. Извлеченные правила могут представлять полную научную модель данных или просто представлять локальные закономерности в данных.
Интеллектуальный анализ данных в целом и детальное наведение правил - это попытка создания алгоритмов без человеческого программирования, но с анализом существующих структур данных. В простейшем случае правило выражается с помощью операторов «если-то» и было создано с помощью алгоритма ID3 для изучения дерева решений. Алгоритм обучения правил принимает в качестве входных данных обучающие данные и создает правила путем разделения таблицы с помощью кластерного анализа . Возможной альтернативой алгоритму ID3 является генетическое программирование, которое развивает программу до тех пор, пока она не будет соответствовать данным.
Создание различных алгоритмов и их тестирование на входных данных можно реализовать в программе WEKA. Дополнительные инструменты - это библиотеки машинного обучения для Python, такие как scikit-learn.
Парадигмы
Вот некоторые основные парадигмы индукции правил:
- Алгоритмы обучения правил ассоциации (например, Agrawal)
- Алгоритмы правил принятия решений (например, Quinlan 1987)
- Алгоритмы проверки гипотез (например, RULEX)
- Индукция роговой оговорки
- Пробелы версий
- Грубый набор правил
- Индуктивное логическое программирование
- Булево разложение (Фельдман)
Алгоритмы
Некоторые алгоритмы индукции правил:
Рекомендации
- ^ a b Евангелос Триантафиллу; Джованни Феличи (10 сентября 2006 г.). Подходы интеллектуального анализа данных и обнаружения знаний, основанные на методах индукции правил . Springer Science & Business Media. ISBN 978-0-387-34296-2 .
- ^ a b Алекс А. Фрейтас (11 ноября 2013 г.). Интеллектуальный анализ данных и открытие знаний с помощью эволюционных алгоритмов . Springer Science & Business Media. ISBN 978-3-662-04923-5 .
- ^ a b Жизель Л. Папа; Алекс Фрейтас (27 октября 2009 г.). Автоматизация проектирования алгоритмов интеллектуального анализа данных: эволюционный вычислительный подход . Springer Science & Business Media. ISBN 978-3-642-02541-9 .
- ^ Сахами, Мехран. « Изучение правил классификации с помощью решеток ». Машинное обучение: ECML-95 (1995): 343-346.
- Куинлан, младший (1987). «Генерация производственных правил из деревьев решений» (PDF) . В Макдермотте, Джон (ред.). Труды Десятой международной совместной конференции по искусственному интеллекту (IJCAI-87) . Милан, Италия. С. 304–307.