規則学習は、未見の事例を判別できる規則であり、通常は訓練データセットの学習によって得られます。それは通常、IF - THEN規則であり、非教師あり学習の一種で、一般的に分類の一種として分類されます。

規則学習における規則

規則：意味が明確で、データ分布に含まれる客観的な法則や分野の概念を記述できます。

規則学習の規則は2種類に分けられます：

• 命題規則 Propositional Rule

「原子命題」と論理接続詞「かつ、または、非、および」で構成される簡単な陳述文です。

例:

規則1: (胎生 = いいえ ) ∧ (飛行可能 = はい ) → 鳥類

規則2: (胎生 = いいえ ) ∧ (水中生活 = はい ) → 魚類

• 一階規則 First - order Rule

命題規則が単純な陳述命題のみを扱うのと異なり、一階論理はさらに断言と量化を含み、一階規則は複雑な関係を表現でき、関係型規則とも呼ばれます。

規則を生成する方法

• 直接生成法 Direct Method：訓練データセットから直接

• 規則を帰納します；

• 間接生成法 Indirect Method：決定木から変換して得られます。

規則学習の目的

規則学習の目標は、できるだけ多くの事例をカバーできる規則セットを生成することです。ここで、逐次被覆は一般的に採用される方法で、訓練セットで新しい規則を学習するたびに、その規則に該当する訓練事例を被覆し、残りの訓練事例で新しい訓練セットを構成して上記のプロセスを繰り返します。

一度に一部のデータのみを処理するため、この方法は分割統治法とも呼ばれます。