규칙 기반 기계 학습

RBML(Rule-based machine learning, RBML)은 컴퓨터 과학에서 '규칙'을 식별, 학습 또는 진화시켜 저장, 조작 또는 적용하는 모든 머신러닝 방법을 포괄하는 용어다.^[1][2][3] 규칙 기반 기계 학습자의 정의 특성은 시스템에 의해 수집된 지식을 총체적으로 나타내는 일련의 관계 규칙의 식별 및 활용이다. 이것은 예측을 하기 위해 일반적으로 어떤 경우에나 보편적으로 적용될 수 있는 단수 모델을 식별하는 다른 기계 학습자들과 대조적이다.^{[clarification needed][citation needed]}

규칙 기반 기계 학습 접근법에는 학습 분류기 시스템,^[4] 연관 규칙 학습,^[5] 인공 면역 시스템 ^[6]및 각각 상황별 지식을 다루는 규칙 집합에 의존하는 다른 방법이 포함된다.

규칙 기반 머신러닝은 개념적으로 규칙 기반 시스템의 한 유형이지만, 수작업으로 이루어지는 기존의 규칙 기반 시스템 및 다른 규칙 기반 의사결정자와는 구별된다. 규칙 기반 기계 학습은 규칙을 수동으로 구성하고 규칙 집합을 큐레이션하기 위해 사전 도메인 지식을 적용해야 하는 인간이 아니라 유용한 규칙을 자동으로 식별하는 어떤 형태의 학습 알고리즘을 적용하기 때문이다.

규칙.

규칙은 일반적으로 '{IF:그러면'', (예: {IF '조건' THEN '결과' 또는 보다 구체적인 예로서 {IF '빨간색' AND '옥타곤' THEN 'stop-sign}). 규칙은 조건이 충족될 때만 적용되므로 개별 규칙은 그 자체로 모형이 아니다. 따라서 규칙 기반 기계 학습 방법은 일반적으로 예측 모델을 집합적으로 구성하는 일련의 규칙 또는 지식 기반을 구성한다.

참고 항목

참조