Правило индукции - Rule induction

Древо решений

Правило индукции это область машинное обучение в котором формальные правила извлекаются из набора наблюдений. Извлеченные правила могут представлять собой полный научная модель данных или просто представляют локальные узоры в данных.

Сбор данных в целом и наведение правил в деталях - это попытка создания алгоритмов без человеческого программирования, но с анализом существующих структур данных.^[1]^:415– В простейшем случае правило выражается с помощью операторов «если-то» и создается с помощью Алгоритм ID3 для изучения дерева решений.^[2]^:7^[1]^:348 Алгоритм обучения правил принимает обучающие данные в качестве входных данных и создает правила путем разделения таблицы с кластерный анализ.^[2]^:7 Возможной альтернативой алгоритму ID3 является генетическое программирование, которое развивает программу до тех пор, пока она не будет соответствовать данным.^[3]^:2

Создание различных алгоритмов и их тестирование на входных данных можно реализовать в программе WEKA.^[3]^:125 Дополнительные инструменты - это библиотеки машинного обучения для Python, такие как scikit-learn.

Парадигмы

Вот некоторые основные парадигмы индукции правил:

Изучение правил ассоциации алгоритмы (например, Agrawal)
Правило принятия решения алгоритмы (например, Quinlan 1987)
Проверка гипотезы алгоритмы (например, RULEX)
Оговорка о роге индукция
Пробелы версий
Грубый набор правила
Индуктивное логическое программирование
Булево разложение (Фельдман)

Алгоритмы

Вот некоторые алгоритмы индукции правил:

Шарада^[4]
Rulex
Прогол
CN2

использованная литература

^ ^а ^б Эвангелос 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.
^ ^а ^б 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.
^ ^а ^б Жизель Л. Паппа; 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, Дж. Р. (1987). «Создание 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.

Эта Информатика статья - это заглушка. Вы можете помочь Википедии расширяя это.

[TriantaphyllouFelici2006-1] а ^б Эвангелос 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.

[Freitas2013-2] а ^б 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.

[PappaFreitas2009-3] а ^б Жизель Л. Паппа; 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.

[1]

[2]

[3]

[4]