Индукция правила - Rule induction

Древо решений

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

Некоторые алгоритмы индукции правил:

Рекомендации

  1. ^ 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 .
  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 .
  3. ^ 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 .
  4. ^ Сахами, Мехран. « Изучение правил классификации с помощью решеток ». Машинное обучение: ECML-95 (1995): 343-346.