Learning Classifier Systems in Data Mining

یادگیری سیستم های طبقه بندی کننده در داده کاوی

شرح:

درست بیش از سی سال پس از اینکه هالند برای اولین بار طرح کلی الگوی سیستم طبقه بندی کننده یادگیری را ارائه کرد، توانایی LCS برای حل مسائل پیچیده دنیای واقعی آشکار می شود. به طور خاص، توانایی آنها برای القای قوانین در داده کاوی باعث علاقه مجدد به LCS شده است. این کتاب کار تعدادی از افراد را گرد هم می آورد که عملکرد خوب خود را در زمینه های مختلف نشان می دهند.

اولین مشارکت به شرح زیر ترتیب داده شده است: ابتدا، اشکال اصلی LCS با جزئیات توضیح داده شده است. سپس تعدادی از کاربردهای تاریخی LCS در داده کاوی قبل از ارائه مروری بر بقیه جلد بررسی می شود. بقیه این کتاب تحقیقات اخیر در مورد استفاده از LCS در زمینه‌های اصلی داده‌کاوی یادگیری ماشینی را شرح می‌دهد: طبقه‌بندی، خوشه‌بندی، سری‌های زمانی و پیش‌بینی عددی، انتخاب ویژگی، مجموعه‌ها و کشف دانش.

Design and Analysis of Learning Classifier Systems: A Probabilistic Approach

طراحی و تحلیل سیستم های طبقه بندی کننده یادگیری: رویکرد احتمالی

شرح:

این کتاب مقدمه ای جامع برای طراحی و تجزیه و تحلیل سیستم های طبقه بندی کننده یادگیری (LCS) از دیدگاه یادگیری ماشین ارائه می دهد. LCS خانواده‌ای از روش‌ها برای مدیریت یادگیری بدون نظارت، یادگیری تحت نظارت و وظایف تصمیم‌گیری متوالی با تجزیه فضاهای مشکل بزرگ‌تر به زیرمسائل آسان‌تر است. برخلاف رویکرد معمول به طراحی و تجزیه و تحلیل آنها از منظر محاسبات تکاملی، این کتاب در عوض یک رویکرد مبتنی بر مدل احتمالی را بر اساس سوال تعیین کننده آنها "چه LCS قرار است یاد بگیرد؟" ترویج می کند. به طور سیستماتیک با پیروی از این رویکرد، نشان داده می‌شود که چگونه روش‌های یادگیری ماشین عمومی را می‌توان برای طراحی الگوریتم‌های LCS از اصول اولیه مدل احتمالی زیربنایی آن‌ها، که در این کتاب - برای اهداف توضیحی - مرتبط با طبقه‌بندی‌کننده برجسته کنونی XCS است، به کار برد. سیستم. این رویکرد جامع نگر است به این معنا که استعاره طراحی مبتنی بر هدف یکسان اساساً تمام جنبه‌های LCS را پوشش می‌دهد و آنها را بر پایه‌ای محکم قرار می‌دهد، علاوه بر این امکان انتقال پایه نظری روش‌های مختلف یادگیری ماشین کاربردی را به LCS می‌دهد. بنابراین، نه تنها تجزیه و تحلیل LCS موجود را پیش می برد، بلکه طراحی LCS جدید را نیز در همان چارچوب مطرح می کند.

Rule-Based Evolutionary Online Learning Systems: A Principled Approach to LCS Analysis and Design

سیستم‌های یادگیری آنلاین تکاملی مبتنی بر قانون: رویکردی اصولی برای تجزیه و تحلیل و طراحی LCS

شرح:

این کتاب مقدمه ای جامع برای سیستم های طبقه بندی کننده یادگیری LCSیا به طور کلی تر، سیستم های یادگیری آنلاین تکاملی مبتنی بر قانون ارائه می دهد. LCSها به صورت تعاملی یاد می گیرند - بسیار شبیه به یک شبکه عصبی - اما با افزایش سازگاری و انعطاف پذیری. این کتاب دانش پیش زمینه لازم را در مورد انواع مسئله، الگوریتم های ژنتیک، و یادگیری تقویتی و همچنین یک رویکرد تحلیلی اصولی و مدولار برای درک، تجزیه و تحلیل و طراحی LCS ارائه می دهد. تجزیه و تحلیل به طور مثال بر روی سیستم طبقه بندی XCS - برجسته ترین سیستم در حال حاضر در تحقیقات LCS انجام می شود. چندین پیشرفت به XCS معرفی و ارزیابی شده است. یک مجموعه کاربردی شامل طبقه بندی، یادگیری تقویتی و مشکلات داده کاوی ارائه شده است. با بازنگری چشم‌انداز اصلی جان هالند، این کتاب در نهایت پتانسیل‌های فعلی LCS را برای کاربردهای موفق در علوم شناختی و حوزه‌های مرتبط مورد بحث قرار می‌دهد.