Επαγωγή Κανόνων (RIPPER)
Η Επαγωγή Κανόνων, και ειδικότερα ο αλγόριθμος RIPPER (Repeated Incremental Pruning to Produce Error Reduction), είναι μια μέθοδος εποπτευόμενης μηχανικής μάθησης που μαθαίνει ένα συμπαγές σύνολο κανόνων ταξινόμησης IF-THEN από επισημασμένα δεδομένα εκπαίδευσης. Ο RIPPER, που εισήχθη από τον William W. Cohen το 1995, εφαρμόζει μια στρατηγική διαχωρισμού και κατάκτησης (separate-and-conquer) σε συνδυασμό με κλάδεμα ελάχιστου μήκους περιγραφής (MDL) για τη δημιουργία κανόνων που είναι ταυτόχρονα ακριβείς και ερμηνεύσιμοι, καθιστώντας τον έναν ορόσημο αλγόριθμο στον τομέα της επαγωγικής μάθησης κανόνων.
Διαβάστε ολόκληρη τη μέθοδο
Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.
Method map
The neighbourhood of related methods — select a node to explore.
Πηγές
- Cohen, W. W. (1995). Fast effective rule induction. Proceedings of the 12th International Conference on Machine Learning, 115–123. DOI: 10.1016/B978-1-55860-377-6.50023-2 ↗
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 2). Rule Induction (RIPPER). ScholarGate. https://scholargate.app/el/machine-learning/rule-induction
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Εξόρυξη Κανόνων Συσχέτισης (Apriori)Μηχανική Μάθηση↔ compare
- Δέντρο ΑποφάσεωνΜηχανική Μάθηση↔ compare
Αναφέρεται από
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →