Niederministyczne reguły decyzyjne

• Autorzy: Piotr Paszek

Warianty tytułu

Nondeterministic Decision Rules

• Języki publikacji: PL

Abstrakty

Klasyfikatory regułowe pełnią istotną rolę wśród systemów decyzyjnych. W artykule opisujemy wykorzystanie reguł niedeterministycznych w klasyfikatorach regułowych. Proponujemy algorytm klasyfikacji wykorzystujący reguły niedeterministyczne oraz reguły minimalne w sensie zbiorów przybliżonych. Klasyfikator ten porównano z klasyfikatorem wykorzystującym tylko reguły deterministyczne na danych z UCI Machine Learning Repository. Przedstawione wyniki badań wskazują, że wykorzystanie reguł niedeterministycznych daje możliwość poprawy jakości klasyfikacji, ale wymaga dostrojenia do danych. (abstrakt oryginalny)

EN

In the paper the authors discuss classifiers based on deterministic decision rules and non-deterministic decision rules and prove that non-deterministic decision rules can be used for improving the quality of classification. The authors propose classifications algorithms based on non-deterministic rules and minimal rules in the sense of rough sets. The classifiers in question are tested on the group of decision tables from the UCI Machine Learning Repository and the results are compared. The reported results of experiments show that proposed classifiers based on non-deterministic rules give the possibility to improve the classification quality but with the requirement of tuning to the data.(original abstract)

Słowa kluczowe

PL

Zbiory przybliżone; Algorytmy; Walidacja; Uczenie maszynowe

EN

Rough sets; Algorithms; Validation; Machine learning

• Czasopismo: Zeszyty Naukowe / Wyższa Szkoła Finansów i Prawa w Bielsku Białej
• Rocznik: 2015
• Numer: nr 1
• Strony: 75--84

Twórcy

autor

Piotr Paszek

• Wyższa Szkoła Finansów i Prawa w Bielsku-Białej

Bibliografia

• [1] . Agrawal R., Imielinski T., Swami A., Mining Association Rules Between Sets of Items in Large Databases, [w:] Proceedings of the 1993 ACM SIGMOD International Conference on Management of Data, (red.) Buneman P., Jajodia S., Washington, D.C., ACM Press, New York 1993, s. 207-216.
• [2] . Asuncion A., Newman D. J., UCI Machine Learning Repository. University of California, Irvine, School of Information and Computer Sciences, 2007, http:// www. ics. uci. edu/~mlearn/MLRepository. html
• [3] . Bazan J. G., Szczuka M. S., Wojna A., Wojnarski M., On the Evolution of Rough Set Exploration System, LNAI, vol. 3066, Springer, Heidelberg 2004, s. 592-601.
• [4] . Cichosz P., Systemy uczące się, WNT, Warszawa 2000.
• [5] . Delimata P., Marszał-Paszek B., Moshkov M., Paszek P., Skowron A., Suraj Z., Comparison of Some Classification Algorithms Based on Deterministic and Nondeterministic Decision Rules, Transactions on Rough Sets XII, LNCS 6190, Springer, Heidelberg 2010, s. 90-105.
• [6] . Koronacki J., Ćwik J., Statystyczne systemy uczące się, EXIT, Warszawa 2008.
• [7] . Marszał-Paszek B, Paszek P., Minimal Templates and Knowledge Discovery, LNAI, vol. 4585, Springer, Heidelberg 2007, s. 411-416.
• [8] . Michalski R., http://www.mli.gmu.edu/michalski/
• [9] . Moshkov M., Skowron A., Suraj Z., Maximal consistent extensions of information systems relative to their theories, "Information Sciences" 178 (12)/2008, s. 2600-2620.
• [10] . Paszek P., Marszał-Paszek B., Niedeterministyczne reguły skrócone, [w:] Systemy Wspomagania Decyzji, (red.) Wakulicz- Deja A., Katowice 2010, s. 67-72, ISBN 978-83-62462-01-8.
• [11] . Pawlak Z., Rough Sets: Theoretical aspects of reasoning about data, Kluwer Academic Publishers, Boston 1991.
• [12] . Rissanen J., Modeling by Shortest Data Description, "Automatica" 14/1978, 465-471.
• [13] . Rosetta: http://www.lcb.uu.se/tools/rosetta/
• [14] . Rough Set Exploration System: http://logic.mimuw.edu.pl/rses
• [15] . Skowron A., Suraj Z., Rough sets and concurrency, [w:] "Bulletin of the Polish Academy of Sciences", 41 (3)/1993, s. 237-254.
• [16] . Suraj Z., Some Remarks on Extensions and Restrictions of Information Systems, LNCS, vol. 2005, Springer, Heidelberg 2001, s. 204-211.
• [17] . Triantaphyllou E., Felici G., Data Mining and Knowledge Discovery Approaches Based on Rule Induction Techniques, Springer Science and Business Media, LLC, New York 2006.
• [18] . Tsumoto S., Modelling Medical Diagnostic Rules Based on Rough Sets. LNCS, vol. 1424, Springer-Verlag, Berlin 1998, s. 475-482.