Regelinduktion (RIPPER)

Regelinduktion, og specifikt RIPPER (Repeated Incremental Pruning to Produce Error Reduction) algoritmen, er en superviseret maskinlæringsmetode, der lærer et kompakt sæt af IF-THEN klassifikationsregler fra mærkede træningsdata. Introduceret af William W. Cohen i 1995, anvender RIPPER en separat-og-erobr-strategi kombineret med minimum beskrivelseslængde (MDL) beskæring for at generere regler, der er både nøjagtige og fortolkelige, hvilket gør den til en skelsættende algoritme inden for induktiv regelindlæring.