دسته‌بندی مبتنی بر قانون

دسته‌بندی کننده‌های مبتنی بر قانون فقط نوع دیگری از دسته‌بندی کننده‌ها هستند که با استفاده از قوانین مختلف "if...else" تصمیم کلاس را می‌گیرند. این قوانین به‌راحتی قابل تفسیر هستند و بنابراین از این دسته‌بندی‌ها معمولاً برای تولید مدل‌های توصیفی استفاده می‌شود.   

   R=(r₁ꓦr₂ꓦ…)                                                                                      

R مجموعه قوانین

(r₁ꓦr₂ꓦ…) هست ترکیب عطفی یا دسته بندی قوانین

نتیجه

(شرط)

ri:

عملگرهای شرط عبارتند از:

1. کوچکتر
2. بزرگتر
3. کوچکتر مساوی
4. بزرگتر مساوی
5. مساوی
6. مخالف

• شرط مورداستفاده با "if" به‌عنوان پیش شرط یا مقدم قانون گفته می‌شود. که بصورت عطفی نرمال شده مورد استفاده قرار می­ گیرد.
• کلاس پیش‌بینی‌شده از هر قاعده نتیجه یا تالی نامیده می‌شود.
• زمانی که برای یک تاپل مقدم­ ها برآورده شود ارضا پیش شرط گفته می ­شود.
• اگر قانون ما تاپل را پوشش دهد به آن پوشش گفته می ­شود.
• در صورتی که ویژگی ­های ارائه شده قانون­ های درست را استخراج کند جواب بوجود می­ آید که به آن تشخیص قوانین گفته می ­شود.

در سیستم‌های خبره بر پایه قانون

تولید کلمه‌ای است که برای بیان روابط بین وضعیت‌ها و عمل‌ها استفاده می‌شود و متناظر با قانون در سیستم‌های خبره می‌باشد.

ارزیابی دسته‌بندهای مبتنی بر قانون:

  پوشش: درصد سوابق که شرایط پیشین یک قانون خاص را تأمین می‌کند.

• قوانینی که توسط دسته‌بندی کننده‌های مبتنی بر قانون ایجاد می‌شوند، معمولاً منحصربه‌فرد نیستند، یعنی بسیاری از قوانین می‌توانند همان رکورد را پوشش دهند.
• قوانینی که توسط دسته‌بندی کننده‌های مبتنی بر قاعده ایجاد می‌شود، جامع نیست یعنی ممکن است سوابق وجود داشته باشد که هیچ‌یک از قوانین را پوشش نمی‌دهد.
• مرزهای تصمیم‌گیری ایجادشده توسط آن‌ها خطی است اما این‌ها می‌توانند بسیار پیچیده‌تر از درخت تصمیم باشند زیرا بسیاری از قوانین برای همان سابقه شروع می‌شوند.

• ncovers: تعداد رکوردهایی که بوسیلهR پوشش داده می­ شوند.
•  ncorrect: از رکوردهای پوشش داده شده چه تعداد رکورد به درستی دسته ­بندی شده ­اند.

     دقت

اگر D مجموعه داده آموزشی:

ضریب پوشش

Coverag|R|=ncovers/|D|

ضریب دقت

Accuracy|R|=ncorrect/ncovers

می­ خواهیم براساس قوانین تشخیص دهیم برای مثال x متعلق به کدام دسته است؟

• اگر R₁ تنها قانون برآورده شده باشد قانون با برگرداندن پیش بینی کلاس برای x دسته آن را مشخص می ­کند.
• اگر بیش از یک قانون هدف شود نیاز به برطرف کردن تصادم داریم.
• چون هر قانون ممکن است یک دسته مختلف برای x مشخص کند

برای رفع اختلاف دو استراتژی وجود دارد:

1.  Size ordering : بالاترین اولویت را به قانونی می­ دهد که دشوارترین شروط را برآورده کرده است یعنی بیشترین تعداد مقدم ها را داشته باشد.
2.  Rule ordering: به دو روش قابل انجام است.

• Class-based ordering: قوانین براساس کلاس آن­ها به ترتیب اهمیت مرتب می­ شوند بنابراین قوانین مربوط به کلاس متداول ­تر (Preveclent) اول می ­آیند. در این روش لازم نیست قوانین را مرتب نمائیم.
• Rule-based ordering: به قوانین اولویت می­ دهیم که این کار به روش­ های مختلفی انجام می­ شود.

                   براساس دقت، پوشش، تعداد مقدم­ ها یا تشخیص فرد خبره

                    هرکدام زودتر انجام شد کلاس را تعیین می ­کند

مزایای سیستم­ های برپایه قانون

• سادگی در توسعه
• استفاده از دانش برای حل مسئله
• استفاده از متغیرها
• تولید هوشمندی

معایب سیستم­های برپایه قانون

• دقت تطابق
• رابطه ­های مبهم و متداخل
• کندی تصمیم
• قابل پیاده سازی برای تمامی سیستم ­ها نمی ­باشد