Śledź nas na:



Reprezentowanie wiedzy

Mimo prostoty, strategie te dają bardzo dobre efekty, a wspomniana prostota obliczeń przekłada się na efektywność i szybkość generowania i interpretacji reguł, co ma bardzo duże znaczenie w praktycznym ich zastosowaniu.

Komplikacji związanych ze stosowaniem nieuporządkowanych zbiorów reguł możemy uniknąć używając algorytmów odkrywania wiedzy, które zbudują nam zbiór reguł uporządkowanych według określonej wartości i ze z góry ustaloną kolejnością ich stosowania. Jeżeli w takim zbiorze zdarzy się, że dany przykład jest pokrywany przez więcej niż jedną regułę, zostaje mu przyporządkowana decyzja z reguły będącej pierwszą z kolei wśród reguł pokrywających dany przykład. Niekiedy taki zbiór uporządkowanych reguł nazywamy listą decyzyjną. Jest to taka lista reguł, gdzie po każdej z nich zostaje dopisana fraza w przeciwnym wypadku i w razie nie spełnienia warunków danej reguły, brana jest pod uwagę kolejna reguła znajdująca się na liście. W ten sposób eliminowany jest problem w sytuacji, gdy jeden przykład jest pokrywany przez więcej niż jedną regułę.



Zobacz także