Uczenie maszynowe na podstawie przykładów w przypadku błędów w danych

View

Resource metadata

Title	Uczenie maszynowe na podstawie przykładów w przypadku błędów w danych Title variant: Machine learnig from examples under errors in data
Persons	Authors: Grażyna Maria Szkatuła Partner: Systems Research Institute Polish Academy of Sciences, Warsaw
Description	Uczenie maszynowe na podstawie przykładów jest to proces generowania reguły klasyfikacji (opisu pojęcia) dla klasy, na podstawie opisów poszczególnych elementów należących do danej klasy (zwanych przykładami pozytywnymi), oraz opisów pewnych elementów spoza klasy (zwanych przykładami negatywnymi), które są używane do zawężenia przestrzeni rozwiązań. Proponujemy metodę uczenia indukcyjnego w celu uzyskania reguł klasyfikacji, które poprawnie opisują większość przykładów należących do klasy i nie opisują większości przykładów nienależących do tej klasy. Warunkowa część wygenerowanej reguły zawiera dysjunkcje warunków związanych z podzbiorem wartości atrybutów nominalnych zastosowanych do opisu danych. Dokonywana jest wstępna analiza danych, która przypisuje wyższe wagi tym wartościom atrybutów, które występują częściej w zbiorze przykładów pozytywnych niż w negatywnych. Możliwe jest również wprowadzenie pewnych preferencji atrybutów związanych z ich wiarygodnością i podatnością na błędy.Problem uczenia indukcyjnego jest reprezentowany jako pewna modyfikacja zadania pokrycia, która jest rozwiązywana za pomocą algorytmu opartego na programowaniu całkowitoliczbowym, z wykorzystaniem elementów algorytmu zachłannego. Zaproponowane podejście zastosowano do kilku wybranych zbiorów danych. Wyniki przeprowadzonych eksperymentów obliczeniowych są bardzo zachęcające. (Polish) Description in another language: Machine learning from examples is a process of inferring a classification rule (concept description) of a class from descriptions of some individual elements of the class (called positive examples), with some elements from outside of the class (called negative examples), which are used for narrowing the solution space. We propose an inductive learning method to derive classification rules that correctly describe most of the examples belonging to a class, and do not describe most of the examples not belonging to this class. The conditional part of the generated rule contains the disjunctions of the conditions related to the subset of the values of the nominal attributes used for the description of data. A pre-analysis of data is performed that assigns higher weights to those values of attributes which occur more often in the positive than in the negative examples. It is also possible to introduce certain preferences of the attributes related to their credibility and susceptibility to errors. The inductive learning problem is represented as a modification of the set covering problem, which is solved by an integer programming based algorithm using elements of a greedy algorithm. The proposed approach has been applied to a few selected data sets. The results of the conducted computational experiments are very encouraging. (English)
Keywords	"programowanie całkowitoliczbowe"@pl, "uczenie maszynowe"@pl, "algorytm zachłanny"@pl, "machine learning"@en
Classification	Resource type: thesis Scientific discipline: dziedzina nauk technicznych / informatyka (2011) Destination group: scientists, students, entrepreneurs Harmful content: No
Characteristics	Place of creation: Warszawa Creation time: 1995 Number of pages: 154 Supervisor: Janusz Aleksander Kacprzyk Resource language: Polish Location: Warszawa
License	CC BY-SA 4.0
Technical information	Submitter: Anna Wasilewska Availability date: 02-10-2018
Collections	Kolekcja Instytutu Badań Systemowych PAN w Warszawie, Kolekcja e-Biblio IBS PAN

Citation

Copied

Grażyna Maria Szkatuła. Uczenie maszynowe na podstawie przykładów w przypadku błędów w danych. [thesis] Available in Atlas of Open Science Resources, . License: CC BY-SA 4.0, https://creativecommons.org/licenses/by-sa/4.0/legalcode.pl. Date of access: DD.MM.RRRR.

Similar resources

Inteligentne systemy inwestycyjne w funduszach typu Quant

Piotr Ładyżyński, thesis, Systems Research Institute Polish Academy of Sciences, Warsaw, dziedzina nauk technicznych / informatyka (2011)

Komputerowy system wspomagania podejmowania decyzji w placówce naukowo - badawczej (RB-1993-26)

Kazimierz Mańczak, Grażyna Szkatuła, Sławomir Zadrożny, article, chapter, Systems Research Institute Polish Academy of Sciences, Warsaw, Dziedzina nauk inżynieryjno-technicznych / informatyka techniczna i telekomunikacja (2018)

Predykcja zmienności w modelu Blacka-Scholesa za pomocą modeli rozmytych

Krzysztof Targiel, thesis, Systems Research Institute Polish Academy of Sciences, Warsaw, dziedzina nauk technicznych / automatyka i robotyka (2011)

Metody znakowania morfosyntaktycznego i automatycznej płytkiej analizy składniowej języka polskiego

Adam Radziszewski, thesis, Wrocław University of Science and Technology, dziedzina nauk technicznych / informatyka (2011)

Wybrane techniki przybliżonego rozwiązywania zadań programowania całkowitoliczbowego (PN-1981-18)

Krzysztof Szkatuła, article, chapter, Systems Research Institute Polish Academy of Sciences, Warsaw, Dziedzina nauk ścisłych i przyrodniczych / informatyka (2018)

Problem rozpoznawania wzorców dla zagadnień słabo zrównoważonych

Wojciech Lesiński, thesis, Systems Research Institute Polish Academy of Sciences, Warsaw, dziedzina nauk technicznych / informatyka (2011)