Benutzer: Gast  Login
Originaltitel:
A Statistical Approach to Rule Learning 
Übersetzter Titel:
Regellernen als statistisches Klassifikationsproblem 
Jahr:
2008 
Dokumenttyp:
Dissertation 
Institution:
Fakultät für Informatik 
Betreuer:
Kramer, Stefan (Prof. Dr.) 
Gutachter:
Fürnkranz, Johannes (Prof. Dr.) 
Sprache:
en 
Fachgebiet:
DAT Datenverarbeitung, Informatik 
Schlagworte (SWD):
Regellernen; Klassifikationstheorie 
TU-Systematik:
DAT 708d; DAT 775d 
Kurzfassung:
This dissertation investigates rule learning as a statistical classification problem. Rule learning is known for inducing interpretable and comprehensible classifiers, whereas statistical machine learning has often focused on predictive accuracy. The goal of this work is to combine the approaches to obtain highly predictive, yet interpretable classifiers. To this end, we investigate two types of rule sets. For DNF formulae, we propose to use stochastic local search with structural risk minimizat...    »
 
Übersetzte Kurzfassung:
Diese Dissertation untersucht Regellernen als ein statistisches Klassifikationsproblem. Regellernen ist bekannt dafür, einfach interpretierbare und verständliche Klassifizierer zu erzeugen, das statistische maschinelle Lernen konzentriert sich dagegen oft auf die Vorhersagegenauigkeit. Das Ziel dieser Arbeit ist es, die beiden Ansätze miteinander zu kombinieren, um Klassifizierer mit hoher Vorhersagegenauigkeit und Interpretierbarkeit zu finden. Wir untersuchen zu diesem Zwecke zwei Arten von Re...    »
 
Mündliche Prüfung:
16.04.2008 
Seiten:
218 
Letzte Änderung:
01.04.2010