ルールの導入

ルール誘導は、一連の観察から正式なルールが抽出される機械学習の領域です。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、単にデータ内のローカルパターンを表す場合もあります。

データマイニング全般、ルール誘導の詳細は、人間によるプログラミングを必要とせず、既存のデータ構造を分析することで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、決定木学習用の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することで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追加のツールは、 scikit-learnのようなPython用の機械学習ライブラリです。

パラダイム

いくつかの主要なルール誘導パラダイムは次のとおりです。

相関ルール学習アルゴリズム（例：Agrawal）
決定ルールアルゴリズム（例：Quinlan 1987）
仮説検定アルゴリズム（例：RULEX）
ホーン節誘導
バージョンスペース
大まかなルール設定
帰納的論理プログラミング
ブール分解 (フェルドマン)

アルゴリズム

いくつかのルール誘導アルゴリズムは次のとおりです。

シャレード^[4]
ルーレックス
プロゴール
CN2

参考文献

^ ab Evangelos Triantaphyllou、Giovanni Felici ( 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。Springer Science & Business Media。ISBN 978-0-387-34296-2。
^ ab Alex A. Freitas (2013年11月11日)。進化的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。
^ Sahami, Mehran. 「格子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) の議事録。ミラノ、イタリア。pp. 304–307。

[TriantaphyllouFelici2006-1] Evangelos Triantaphyllou、Giovanni Felici ( 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。Springer Science & Business Media。ISBN 978-0-387-34296-2。

[Freitas2013-2] Alex A. Freitas (2013年11月11日)。進化的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。

[PappaFreitas2009-3] 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。

[4] Sahami, Mehran. 「格子を用いた分類ルールの学習」機械学習: ECML-95 (1995): 343-346。