Видобування знань на основі дерев розв’язків та стохастичного пошуку

Abstract

UK: Вирішено завдання розробки математичного забезпечення для автоматизації видобування набору знань у вигляді продукційних правил з навчальних вибірок даних. Об’єктом дослідження є процес побудови моделей неруйнівного контролю якості. Предмет дослідження становлять методи видобування продукційних правил для синтезу моделей контролю якості. Мета роботи: підвищити ефективність процесу виявлення продукційних правил для побудови моделей контролю якості на основі навчальних вибірок. Запропоновано стохастичний метод синтезу дерев розв’язків, який використовує інформацію про інформативність ознак, складність синтезованого дерева, а також точність його розпізнавання, що дозволяє на початковому етапі формувати множину деревовидних структур, що характеризуються простою ієрархією і невисокою помилкою розпізнавання, в процесі пошуку створювати нові множини рішень з урахуванням інформації про значущість ознак та інтерпретабельність створюваних дерев, що, у свою чергу, забезпечує можливість побудови дерев розв’язків з невеликою кількістю елементів (вузлів та зв’язків між ними) і прийнятною точністю розпізнавання, а також видобування на його основі найбільш цінних екземплярів. Розроблено програмне забезпечення, що реалізує запропонований метод. Проведено експерименти з дослідження властивостей запропонованого методу. Результати експериментів дозволяють рекомендувати запропонований метод для використання на практиці. EN: The problem of mathematical support development is solved to automate the extraction knowledge as production rules from the training data samples. The object of study is the process of constructing models of non-destructive quality control. The subject of study are methods of production rules extraction for synthesis of quality control models. The purpose of the work is to improve the efficiency of the process of production rules extraction for constructing models of quality control based on training samples. The stochastic method for the decision trees synthesis is proposed, which uses information about the informativeness of features, the complexity of the synthesized tree, as well as the accuracy of its recognition, which allows to form on the initial stage a set of tree structures, characterized by a simple hierarchy and low error recognition, in the process of search to create a new set of solutions with taking into account information about the significance of the features and interpretability of generated trees, which, in turn, provides the possibility of constructing a decision tree with a small number of elements (nodes and branches between them), and an acceptable recognition accuracy and retrieval based on it the most valuable instances. The software implementing proposed method is developed. The experiments to study the properties of the proposed method are conducted. The experimental results allow to recommend the proposed method for use in practice.