Decision and Inhibitory Trees and Rules for Decision Tables with Many-valued Decisions

نتایج ارائه شده در اینجا (از جمله ارزیابی یک ابزار جدید - درختان بازدارنده) ابزارهای ارزشمندی را برای محققان در زمینه های داده کاوی، کشف دانش و یادگیری ماشین ارائه می دهد، به ویژه آنهایی که کارشان شامل جداول تصمیم گیری با تعداد زیادی است. -تصمیمات ارزشمند نویسندگان نمونه‌های مختلفی از مشکلات و جداول تصمیم مربوطه را با تصمیم‌های بسیار ارزشمند در نظر می‌گیرند، تفاوت بین درخت‌ها و قوانین تصمیم‌گیری و بازدارنده را مورد بحث قرار می‌دهند و ابزارهایی را برای تجزیه و تحلیل و طراحی آنها توسعه می‌دهند. کاربردها شامل مطالعه درختان و قوانین کاملاً بهینه (بهینه در رابطه با تعدادی معیار به طور همزمان) و بازدارنده است. مقایسه اکتشافی حریصانه برای ساخت درخت و قانون به عنوان الگوریتم‌های بهینه‌سازی تک‌معیاره و دو معیاره. و توسعه یک رویکرد چند هرس محدود که در طبقه بندی و نمایش دانش استفاده می شود.

The results presented here (including the assessment of a new tool – inhibitory trees) offer valuable tools for researchers in the areas of data mining, knowledge discovery, and machine learning, especially those whose work involves decision tables with many-valued decisions. The authors consider various examples of problems and corresponding decision tables with many-valued decisions, discuss the difference between decision and inhibitory trees and rules, and develop tools for their analysis and design. Applications include the study of totally optimal (optimal in relation to a number of criteria simultaneously) decision and inhibitory trees and rules; the comparison of greedy heuristics for tree and rule construction as single-criterion and bi-criteria optimization algorithms; and the development of a restricted multi-pruning approach used in classification and knowledge representation.