Apprentissage des règlesC'est une règle qui peut être utilisée pour distinguer des exemples invisibles. Il est généralement obtenu en apprenant à partir d’un ensemble de données de formation. Il s’agit généralement d’une règle SI-ALORS, un type d’apprentissage non supervisé, et elle est souvent classée comme un type de classification.

Règles dans l'apprentissage des règles

Règles : Elles ont une sémantique claire et peuvent décrire les lois objectives ou les concepts de domaine impliqués par la distribution des données.

Il existe deux types de règles pour l'apprentissage des règles :

• Règle propositionnelle

Une phrase déclarative simple composée de « propositions atomiques » et de connecteurs logiques « et, ou, non, et ».

Exemples :

Règle 1 : (vivipare = non) ∧ (peut voler = oui) → oiseaux

Règle 2 : (vivipare = non) ∧ (vivant dans l'eau = oui) → poisson

• Règle du premier ordre

Contrairement aux règles propositionnelles qui ne traitent que de propositions déclaratives simples, la logique du premier ordre inclut en outre des assertions et une quantification. Les règles du premier ordre peuvent exprimer des relations complexes et sont également appelées règles relationnelles.

Méthodes de génération de règles

• Méthode directe : induire des règles directement à partir de l’ensemble d’apprentissage ;
• Méthode indirecte : convertie à partir de l'arbre de décision.

Le but de l'apprentissage des règles

L’objectif de l’apprentissage des règles est de générer un ensemble de règles pouvant couvrir autant d’exemples que possible. Le recouvrement séquentiel est une approche couramment utilisée. Avant qu'une nouvelle règle ne soit apprise dans l'ensemble d'entraînement, les exemples d'entraînement de la règle seront couverts, et les exemples d'entraînement restants formeront un ensemble d'entraînement et répéteront le processus ci-dessus.

Étant donné que seule une partie des données est traitée à la fois, cette approche est également appelée stratégie de division et de conquête.