Maschinelles Regellernen

Maschinelles Regellernen ist in Wissenschaft und Industrie ein aktuelles Thema. Leider fehlt jedoch oftmals die Schnittstelle, um gewonnene Erkenntnisse auch direkt in Lösungen einzubringen.Dieses Buch bildet hierbei eine Brücke, da es einerseits eine theoretische Einführung in die Problemstellung bietet und andererseits auch eine Struktur für die Lösungsansätze präsentiert. Gemeint ist damit die Familie der Separate-and-Conquer Algorithmen, die zum Lernen von Regeln eingesetzt wird und im, hier vorgestellten, SeCo-Framework (in Java), implementiert ist, so dass der konkrete Algorithmus anhand einer XML-Beschreibung gebaut werden kann. Neben der Realisierung der zwei bekannten Algorithmen CN2 und BEXA, wird in einer anschließenden Fallstudie gezeigt, wie die Hypothesensprache der Algorithmen geändert werden kann (disjunktive Regeln) und wie sich diese Änderung auf die gelernten Regelmengen auswirkt. Schließlich wird die empirische Untersuchung einer neuen BEXA Variante präsentiert, welche die Ausdrucksformen beider Hypothesensprachen ausnutzen soll. Das Buch richtet sich an Wissenschaftler, aber auch an Entwickler, die eine Lösung für ein Regellernproblem umsetzen möchten.