La inducción de reglas es un área del aprendizaje automático en la que las reglas formales se extraen de un conjunto de observaciones. Las reglas extraídas pueden representar un modelo científico completo de los datos o simplemente representar patrones locales en los datos.
La minería de datos en general y la inducción de reglas en detalle están tratando de crear algoritmos sin programación humana pero analizando estructuras de datos existentes. [1] : 415– En el caso más fácil, una regla se expresa con "declaraciones si-entonces" y se creó con el algoritmo ID3 para el aprendizaje del árbol de decisiones. [2] : 7 [1] : 348 El algoritmo de aprendizaje de reglas toma datos de entrenamiento como entrada y crea reglas al dividir la tabla con análisis de conglomerados . [2] : 7 Una posible alternativa al algoritmo ID3 es la programación genética que hace evolucionar un programa hasta que se ajusta a los datos. [3]: 2
La creación de diferentes algoritmos y su prueba con datos de entrada se pueden realizar en el software WEKA. [3] : 125 Las herramientas adicionales son bibliotecas de aprendizaje automático para Python como scikit-learn.
Paradigmas
Algunos paradigmas importantes de inducción de reglas son:
- Algoritmos de aprendizaje de reglas de asociación (por ejemplo, Agrawal)
- Algoritmos de reglas de decisión (p. Ej., Quinlan 1987)
- Algoritmos de prueba de hipótesis (p. Ej., RULEX)
- Inducción de cláusula de cuerno
- Espacios de versión
- Reglas generales aproximadas
- Programación lógica inductiva
- Descomposición booleana (Feldman)
Algoritmos
Algunos algoritmos de inducción de reglas son:
Referencias
- ^ a b Evangelos Triantaphyllou; Giovanni Felici (10 de septiembre de 2006). Enfoques de minería de datos y descubrimiento de conocimientos basados en técnicas de inducción de reglas . Springer Science & Business Media. ISBN 978-0-387-34296-2.
- ^ a b Alex A. Freitas (11 de noviembre de 2013). Minería de datos y descubrimiento de conocimientos con algoritmos evolutivos . Springer Science & Business Media. ISBN 978-3-662-04923-5.
- ^ a b Gisele L. Pappa; Alex Freitas (27 de octubre de 2009). Automatización del diseño de algoritmos de minería de datos: un enfoque de computación evolutiva . Springer Science & Business Media. ISBN 978-3-642-02541-9.
- ^ Sahami, Mehran. " Aprendiendo reglas de clasificación usando celosías ". Aprendizaje automático: ECML-95 (1995): 343-346.
- Quinlan, JR (1987). "Generación de reglas de producción a partir de árboles de decisión" (PDF) . En McDermott, John (ed.). Actas de la Décima Conferencia Conjunta Internacional sobre Inteligencia Artificial (IJCAI-87) . Milán, Italia. págs. 304-307.