Pemelajaran mesin berbasis aturan
| Bagian dari seri |
| Pemelajaran mesin dan Penggalian Data |
|---|
 |
Pemelajaran mesin berbasis aturan (bahasa Inggris: rule-based machine learning, biasa disingkat RBML) adalah istilah dalam ilmu komputer yang dimaksudkan untuk mencakup seluruh metode pemelajaran mesin yang mengidentifikasi, mempelajari, atau mengembangkan aturan untuk disimpan, dimanipulasi, atau diaplikasikan.[1][2][3] Karakteristik yang menentukan pemelajar mesin berbasis aturan adalah pengidentifikasian dan pemanfaatan seperangkat aturan relasional yang secara kolektif mewakili pengetahuan yang ditangkap oleh sistem.
Paradigma pemelajaran mesin berbasis aturan, termasuk di dalamnya sistem pengklasifikasi pemelajaran,[4] pemelajaran aturan asosiasi,[5] sistem kekebalan tiruan,[6] dan metode lain yang mengandalkan serangkaian aturan, yang masing-masing meliputi pengetahuan kontekstual.
Sementara pemelajaran mesin berbasis aturan secara konseptual merupakan jenis sistem berbasis aturan, pemelajaran mesin berbasis aturan berbeda dengan sistem berbasis aturan tradisional dan pembuat keputusan berbasis aturan lainnya, yang sering kali dibuat secara manual. Hal ini karena pemelajaran mesin berbasis aturan menerapkan beberapa bentuk algoritma pemelajaran untuk secara otomatis mengidentifikasi aturan yang diperlukan, alih-alih manusia yang perlu menggunakan pengetahuan domain awal untuk membuat aturan secara manual dan menyusun rangkaian aturan.
Aturan[sunting | sunting sumber]
Aturan yang diterapkan dalam pemelajaran mesin berbasis aturan biasanya berbentuk ekspresi 'ekspresi {IF:THEN}', (contoh, {IF 'kondisi' THEN 'hasil'}, atau dengan contoh yang lebih spesifik, {IF 'merah' AND 'oktagon' THEN 'tanda-berhenti}). Suatu aturan individu tidak dengan sendirinya merupakan sebuah model, karena aturan tersebut hanya dapat diterapkan ketika kondisinya terpenuhi. Oleh karena itu, metode pemelajaran mesin berbasis aturan biasanya terdiri dari sekumpulan aturan, atau basis pengetahuan, yang secara kolektif membentuk model prediksi.
Lihat juga[sunting | sunting sumber]
- Sistem pengklasifikasian pemelajaran
- Pemelajaran aturan asosiasi
- Pengklasifikasi asosiatif
- Sistem kekebalan tiruan
- Sistem pakar
- Aturan keputusan
- Induksi aturan
- Pemrograman logika induktif
- Penerjemahan mesin berbasis aturan
- Algoritma genetika
- Sistem berbasis aturan
- Pemrograman berbasis aturan
- RuleML
- Sistem produksi (ilmu komputer) Sistem aturan produksi
- Mesin aturan bisnis
- Sistem manajemen aturan bisnis
Referensi[sunting | sunting sumber]
- ^
Bassel, George W.; Glaab, Enrico; Marquez, Julietta; Holdsworth, Michael J.; Bacardit, Jaume (2011-09-01). "Functional Network Construction in Arabidopsis Using Rule-Based Machine Learning on Large-Scale Data Sets". The Plant Cell (dalam bahasa Inggris). 23 (9): 3101–3116. doi:10.1105/tpc.111.088153. ISSN 1532-298X. PMC 3203449
. PMID 21896882.
- ^ M., Weiss, S.; N., Indurkhya (1995-01-01). "Rule-based Machine Learning Methods for Functional Prediction". Journal of Artificial Intelligence Research. 3 (1995): 383–403. arXiv:cs/9512107 . Bibcode:1995cs.......12107W. doi:10.1613/jair.199.
- ^ "GECCO 2016 | Tutorials". GECCO 2016. Diakses tanggal 2016-10-14.
- ^
Urbanowicz, Ryan J.; Moore, Jason H. (2009-09-22). "Learning Classifier Systems: A Complete Introduction, Review, and Roadmap". Journal of Artificial Evolution and Applications (dalam bahasa Inggris). 2009: 1–25. doi:10.1155/2009/736398 . ISSN 1687-6229.
- ^ Zhang, C. and Zhang, S., 2002. Association rule mining: models and algorithms. Springer-Verlag.
- ^ De Castro, Leandro Nunes, and Jonathan Timmis. Artificial immune systems: a new computational intelligence approach. Springer Science & Business Media, 2002.
