Regelinduktion (RIPPER)

Regelinduktion, und speziell der RIPPER (Repeated Incremental Pruning to Produce Error Reduction)-Algorithmus, ist eine überwachte maschinelle Lernmethode, die aus gelabelten Trainingsdaten eine kompakte Menge von WENN-DANN-Klassifikationsregeln lernt. RIPPER, 1995 von William W. Cohen eingeführt, wendet eine „separate-and-conquer“-Strategie in Kombination mit Minimum-Description-Length (MDL)-Pruning an, um Regeln zu generieren, die sowohl akkurat als auch interpretierbar sind, was ihn zu einem Meilenstein-Algorithmus im Bereich des induktiven Regellernens macht.