Celem przedstawionych badań jest ulepszenie i uproszczenie modeli uczenia, wyrażonych w postaci reguł decyzji, za pomocą dwóch mechanizmów uczenia maszynowego. Pierwszy z nich jest mechanizmem konstruktywnej indukcji cech, wykorzystującym sieć przekonań do generowania nowego atrybutu opisującego, natomiast drugi mechanizm polega na zastosowaniu specyficznych operacji weryfikujących regułowy model uczenia. Na podstawie uzyskanych wyników można wnioskować, że przyjęty sposób uproszczenia modelu uczenia daje pozytywne wyniki; wyrażone zmniejszeniem się ogólnej liczby reguł i warunków, a także polepszeniem parametrów charakteryzujących reguły, na ogół z jednoczesnym utrzymaniem błędu klasyfikacji na niezmienionym poziomie, a często nawet ze zmniejszeniem wartości wspomnianego parametru.
EN
The main goal of our research was to develop a new methodology for building simplified learning models in a form of quasi-optimal sets of decision rules. The source informational database was extended by application of constructive induction to get a new, additional descriptive attribute, and then sets of production rules were developed for source and extended database, respectively. In the last step, both sets of rules were optimized and compared.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.