Abb. 67: Regelgenerierung mit DBLearn (nach Han, Cai & Cercone [->] 1992)
Name
|
Major
|
Birth Place
|
GPA
|
Vote
|
Anderson
|
history
|
Vancouver
|
3.5
|
1
|
Fraser
|
physics
|
Ottawa
|
3.9
|
1
|
Gupta
|
math
|
Bombay
|
3.3
|
1
|
Liu
|
biology
|
Shanghai
|
3.4
|
1
|
...
|
...
|
...
|
...
|
1
|
Monk
|
computing
|
Victoria
|
3.8
|
1
|
Wang
|
statistics
|
Nanjing
|
3.2
|
1
|
Namen werden direkt auf "ANY"
verallgemeinert und dann weggelassen; die anderen Attributwerte werden
um eine Stufe verallgemeinert und gleiche Beispiele zusammengefasst.
Dabei werden die Werte von "Vote" addiert.
Major
|
Birth Place
|
GPA
|
Vote
|
art
|
B. C.
|
excellent
|
35
|
science
|
Ontario
|
excellent
|
10
|
science
|
B.C.
|
excellent
|
30
|
science
|
India
|
good
|
10
|
science
|
China
|
good
|
15
|
Die Werte des Attributs "Birth Place"
werden weiter verallgemeinert.
Major
|
Birth Place
|
GPA
|
Vote
|
art
|
Canada
|
excellent
|
35
|
science
|
Canada
|
excellent
|
40
|
science
|
foreign
|
good
|
25
|
Die Regeln werden vereinfacht und
zusammengefasst
Major
|
Birth Place
|
GPA
|
Vote
|
art, science
|
Canada
|
excellent
|
75
|
science
|
foreign
|
good
|
25
|
Ausgehend von einer Auswahl von Datensätzen, werden die
Anzahl der Regeln im Laufe des Algorithmus verringert, bis die
vorgegebene Komplexität erreicht ist. Die Zeilen in den Tabellen
können als Komplexe im Sinne des AQ Algorithums aufgefasst
werden.
© 2000 / HTML-Version 14. 1. 2000: R. Ferber