Abstract
Constructive induction is a technique to draw useful attributes from given primitive attributes to classify given examples more efficiently. Useful attributes are obtained from given primitive attributes by applying appropriate operators to them. The paper proposes a constructive induction approach for a GA-based inductive learning environment that learns classification rules that ate similar to rules used in PROSPECTOR from given examples. The paper explains our constructive induction approach in details, centering on operators to combine primitive attributes and methods to evaluate the usefulness of derived attributes, and presents the results of various experiments performed to evaluate the effect of our constructive induction approach on the GA-based learning environment.
건설적 귀납법은 사례들이 갖고 있는 속성들에 적합한 연산자를 적용하여 이들 사례들을 좀 더 효율적으로 분류할 수 있는 새로운 속성들을 도출해 내는 기법이다. 본 논문에서는 주어진 사례의 집합으로부터 PROSPECTOR에서 사용한 규칙 형태의 분류 규칙을 습득하는 유전 알고리즘 기반 귀납적 학습 환경을 위한 건설적 귀납법을 제시한다. 속성 결합 연산자와 유도된 속성의 유용성을 평가하기 위한 방법을 중심으로 건설적 귀납법에 대해 자세히 설명하고 다양한 사례 집합을 이용하여 건설적 귀납법이 유전 알고리즘 기반 학습 환경에 미치는 영향을 평가하였다.