Combinatorial Machine Learning: A Rough Set Approach

درخت‌های تصمیم و سیستم‌های قوانین تصمیم به‌طور گسترده در برنامه‌های مختلف استفاده می‌شوند

به‌عنوان الگوریتم‌هایی برای حل مسئله، به‌عنوان پیش‌بینی‌کننده، و به‌عنوان راهی برای

نمایش دانش. کاهش دهنده ها نقش کلیدی در مشکل انتخاب ویژگی

(ویژگی) دارند. اهداف این کتاب عبارتند از (1) در نظر گرفتن مجموعه

درخت تصمیم، قوانین و کاهش ها. (ii) مطالعه روابط بین این

اشیاء. (iii) طراحی الگوریتم‌هایی برای ساخت درختان، قوانین و کاهش‌دهنده‌ها؛

و (iv) به‌دست آوردن مرزهایی برای پیچیدگی آنها. برنامه های کاربردی برای یادگیری ماشینی تحت نظارت، بهینه سازی گسسته، تجزیه و تحلیل برنامه های غیر چرخه ای، تشخیص خطا

و تشخیص الگو نیز در نظر گرفته می شود. این ترکیبی از

تک نگاری پژوهشی و یادداشت های سخنرانی است. این شامل بسیاری از نتایج منتشر نشده است.

اما، شواهد با دقت انتخاب شده اند تا برای دانش آموزان قابل درک باشد.

نتایج در نظر گرفته شده در این کتاب می تواند برای محققان ماشین مفید باشد

p>یادگیری، داده کاوی و کشف دانش، به ویژه برای کسانی که

در زمینه تئوری مجموعه های خشن، تئوری آزمون و تجزیه و تحلیل منطقی داده ها کار می کنند. از این کتاب

می توان در ایجاد دوره های آموزشی برای دانشجویان تحصیلات تکمیلی استفاده کرد.

Decision trees and decision rule systems are widely used in different applications

as algorithms for problem solving, as predictors, and as a way for

knowledge representation. Reducts play key role in the problem of attribute

(feature) selection. The aims of this book are (i) the consideration of the sets

of decision trees, rules and reducts; (ii) study of relationships among these

objects; (iii) design of algorithms for construction of trees, rules and reducts;

and (iv) obtaining bounds on their complexity. Applications for supervised

machine learning, discrete optimization, analysis of acyclic programs, fault

diagnosis, and pattern recognition are considered also. This is a mixture of

research monograph and lecture notes. It contains many unpublished results.

However, proofs are carefully selected to be understandable for students.

The results considered in this book can be useful for researchers in machine

learning, data mining and knowledge discovery, especially for those who are

working in rough set theory, test theory and logical analysis of data. The book

can be used in the creation of courses for graduate students.