ルール誘導

機械学習の分野

ルール誘導は、一連の観測データから形式的なルールを抽出する機械学習の分野です。抽出されたルールは、データの完全な科学的モデルを表す場合もあれば、単にデータ内の局所的なパターンを表す場合もあります

一般的なデータマイニングと詳細にわたるルール誘導は、人間によるプログラミングなしで既存のデータ構造を分析するアルゴリズムを作成しようとしています。^[1]^{: 415-}最も簡単なケースでは、ルールは「if-then ステートメント」で表現され、決定木学習のID3 アルゴリズムを使用して作成されました。 ^[2]^{: 7}^[1]^{: 348}ルール学習アルゴリズムは、トレーニングデータを入力として受け取り、クラスター分析を使用してテーブルを分割してルールを作成します。^[2]^{: 7} ID3 アルゴリズムの代替として考えられるのは、データに適合するまでプログラムを進化させる遺伝的プログラミングです。^[3]^{: 2}

WEKAソフトウェアでは、さまざまなアルゴリズムを作成し、入力データでテストすることができます。^[3]^{: 125}追加のツールとしては、 scikit-learnのようなPython用の機械学習ライブラリがあります。

パラダイム

主要なルール誘導パラダイムには以下のものがあります。

規則誘導アルゴリズムには以下のものがあります

^ エヴァンゲロス・トリアンタフィロウ、ジョヴァンニ・フェリチ（2006年9月10日）。ルール誘導技術に基づくデータマイニングと知識発見アプローチ。シュプリンガー・サイエンス＆ビジネス・メディア。ISBN 978-0-387-34296-2。
^ ab Alex A. Freitas (2013年11月11日). 進化アルゴリズムによるデータマイニングと知識発見. Springer Science & Business Media. ISBN 978-3-662-04923-5。
^ ab Gisele L. Pappa、Alex Freitas（2009年10月27日）。データマイニングアルゴリズムの設計の自動化：進化的計算アプローチ。Springer Science & Business Media。ISBN 978-3-642-02541-9。
^ サハミ、メラン。「ラティスを用いた分類ルールの学習」機械学習：ECML-95（1995）：343-346

Quinlan, JR (1987). 「決定木からの生成ルール」(PDF) . McDermott, John (編).第10回国際人工知能合同会議 (IJCAI-87) 議事録. ミラノ, イタリア. pp. 304– 307.

この機械学習関連の記事はスタブです。記事を拡張することでWikipediaに貢献できます。