WikiDer > Правило индукции
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:
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. |