LISp-Miner: systém pro zÃskávánà znalostà z dat1 - ResearchGate
LISp-Miner: systém pro zÃskávánà znalostà z dat1 - ResearchGate
LISp-Miner: systém pro zÃskávánà znalostà z dat1 - ResearchGate
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
Báze znalostí je vytvářena v podobě souboru pravidel tvořených vztahy implikace kzadané cílové kombinaci. Vztahy jsou opatřeny váhou která vyjadřuje neurčitost veznalostech. Pravidla v bázi znalostí tedy mají podobupředpoklad ⇒ třída (w),kdepředpoklad je kombinace kategorií vstupních atributů,třída je kombinace definující pozitivní příklady,w z intervalu [0,1] je váha vyjadřující neurčitost pravidla.Inferenční mechanismus budovaného systému pracuje metodou přímého řetězení. Vprůběhu konzultace se <strong>pro</strong> nový objekt popsaný hodnotami vstupních atributů (popisobjektu nemusí být úplný!) naleznou všechna aplikovatelná pravidla. Příspěvky těchtopravidel se složí pomocí kombinační funkce ⊕ a tak se naleznou výsledné váhy všechcílů. Jako kombinační funkce se používá pseudobayesovské skládání vah známé zexpertního systému PROSPECTOR (Duda, Gasching, 1979). Jsou-li w 1 , w 2 váhy dvoupravidel, spočítá se jejich kombinace jako:w1× w2w1⊕ w2=.w × w + 1−w ) × (1 − w )12(12Při tvorbě báze pravidel se vlastně <strong>pro</strong>vádí postupné zpřesňování a zjemňování jižexistujících znalostí (knowledge refinement). Bázi pravidel vytváříme „shora dolů“postupným přidáváním nových (speciálnějších) pravidel ve chvíli, kdy báze přestane býtkonsistentní s trénovacími daty reprezentovanými souborem všech implikací kzadanému cíli. Na počátku obsahuje báze pravidel tzv. prázdný vztah, který odpovídározdělení tříd v trénovacích datech. Do báze pravidel se pak postupně zařazují jen tyimplikace, které nejsou odvoditelné z již získaných kratších pravidel. Obrázek 10ukazuje bázi pravidel získaných z našich ukázkových datObrázek 10. Klasifikační pravidla nalezená <strong>pro</strong>cedurou KEX