규칙 학습

규칙 학습이는 보이지 않는 예를 구별하는 데 사용할 수 있는 규칙입니다. 일반적으로 훈련 데이터 세트에서 학습하여 얻습니다. 일반적으로 IF-THEN 규칙은 비지도 학습의 한 유형이며, 종종 분류 유형으로 분류됩니다.

규칙 학습의 규칙

규칙: 명확한 의미론을 가지고 있으며 데이터 분포에 내포된 객관적인 법칙이나 도메인 개념을 설명할 수 있습니다.

규칙 학습에는 두 가지 유형의 규칙이 있습니다.

• 명제 규칙

"원자 명제"와 "그리고, 또는, 아니다, 그리고"와 같은 논리적 연결어로 구성된 간단한 평서문입니다.

예:

규칙 1: (태생 = 아니오) ∧ (날 수 있음 = 예) → 새

규칙 2: (태생 = 아니오) ∧ (물속에서 사는 것 = 예) → 물고기

• 1차 규칙

단순한 선언적 명제만을 다루는 명제 규칙과 달리, 1차 논리에는 단언과 양화가 추가로 포함됩니다. 1차 규칙은 복잡한 관계를 표현할 수 있으며 관계 규칙이라고도 합니다.

규칙 생성 방법

• 직접 방법: 훈련 세트에서 직접 규칙을 유도합니다.
• 간접 방법: 의사결정 트리에서 변환.

규칙 학습의 목적

규칙 학습의 목표는 가능한 한 많은 예를 포괄할 수 있는 규칙 세트를 생성하는 것입니다. 순차적 커버링은 일반적으로 사용되는 접근 방식입니다. 학습 세트에서 새로운 규칙을 학습하기 전에 해당 규칙의 학습 예제가 다루어지고, 나머지 학습 예제가 학습 세트를 형성하여 위의 프로세스를 반복합니다.

한 번에 데이터의 일부만 처리하므로 이러한 접근 방식은 분할 정복 전략이라고도 합니다.