Regelinduktion (RIPPER)
Regelinduktion, och specifikt algoritmen RIPPER (Repeated Incremental Pruning to Produce Error Reduction), är en övervakad maskininlärningsmetod som lär sig en kompakt uppsättning IF-THEN-klassificeringsregler från märkta träningsdata. RIPPER introducerades av William W. Cohen 1995 och tillämpar en "separate-and-conquer"-strategi kombinerad med beskrivningslängdsminimering (MDL) för att generera regler som är både noggranna och tolkningsbara, vilket gör den till en banbrytande algoritm inom induktiv regelinlärning.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 2). Rule Induction (RIPPER). ScholarGate. https://scholargate.app/sv/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.
- Association Rule Mining (Apriori)Maskininlärning↔ compare
- BeslutsträdMaskininlärning↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →