2026-09-15T15:39:43.413Z http://ezaposleni.singidunum.ac.rs/rest/sciNaucniRezultati/oai

ezaposleni.singidunum.ac.rs/rest/sciNaucniRezultati/oai:3:1183 2013-10-31T11:39:26Z 3

Jedna klasa algoritama za induktivno učenje 2002 http://ezaposleni.singidunum.ac.rs/rest/sciNaucniRezultati/oai/record/3/1183 www.etf.rs Vladislav Miškovic U radu se izlažu teoretski i praktični aspekti jedne klase algoritama za induktivno učenje poznate pod nazivom separate-and-conquer, koja se zasniva na sukcesivnom opisivanju primera iz obučavajućeg skupa, sve dok se ne opiše jedna klasa nasuprot ostalih, a zatim se to ponavlja za preostale klase. Ukratko su prikazane neke od teorija mašinskog učenja, s osvrtom na rezultate koji imaju direktne praktične posledice, kao što su teorije kombinovanih modela (bagging i boosting). Posebno se razmatra problem izbora mere kvaliteta opisa koncepta, kao i drugi faktori od uticaja na dobru aproksimaciju obučavajućeg skupa. U praktičnom delu rada je ukratko opisan algoritam za induktivno učenje na osnovu primera Empiric.Rules iz navedene kategorije, deo autorovog sistema za inteligentnu analizu podataka Empiric. Za opis koncepata upotrebljena je atributna ili propoziciona logika, čime je omogućeno efikasno učenje značajnih klasa koncepata, pa se može primeniti na veoma velike obučavajuće skupove. Izloženi su rezultati estimacije tačnosti predviđanja realizovanog sistema za skup od 20 referentnih problema mašinskog učenja izabranih iz baze podataka University of California at Irvine, kao i poređenje tih rezultata sa objavljenim rezultatima za druge algoritme induktivnog učenja iz iste klase i za neke iz drugih klasa. Prikazani su i uporedni rezultati učenja višestrukih modela, gde se tehnika bagging-a, primenjena na algoritam učenja pravila Empiric.Rules, poredi sa drugim rešenjima saopštenim u literaturi. Daje se estimacija razumljivosti naučenih koncepata, koja se najčešće meri složenošću naučenih pravila, jer se očekuje da su jednostavniji koncepti lakši za razumevanje. Osnovni doprinos rada je algoritam i realizovani sistem Empiric.Rules za induktivno učenje pravila na osnovu primera, a ogleda se u više algoritamskih rešenja karakterističnih problema za razmatranu klasu algoritama: sopstveno rešenje automatske dinamičke diskretizacije kontinualnih atributa, ugradnja više različitih ocena kvaliteta pravila, algoritamsko rešenje rukovanja nepoznatim vrednostima atributa za sve tipove atributa i ugrađene ocene kvaliteta pravila, podrška za strukturne atribute i implementacija učenja višestrukih modela metodom bagging-a. other Elektrotehnički fakultet, Univerzitet u Beogradu 1 124 magistarski rad