Foundations of Rule Learning

Regler er den mest klare og mest utforskede formen for kunnskapsrepresentasjon, og de spiller en avgjørende rolle innen datamining ved å tilby en optimal balanse mellom forståelse av både mennesker og maskiner. Boken "Foundations of Rule Learning" presenterer grunnleggende prinsipper innen regelinnlæring, slik det har blitt undersøkt i klassisk maskinlæring og moderne datamining. Den introduserer et funksjonsbasert perspektiv som et samlende rammeverk for både proposisjonell og relasjonell regelinnlæring. Dette bidrar til å bygge bro mellom attributt-verdi læring og induktiv logikkprogrammering, samtidig som den gir en omfattende dekning av de viktigste elementene i regelinnlæring. Boken kan brukes som lærebok i undervisning av maskinlæring og som en grundig referanse for forskning innen induktiv regelinnlæring. Den retter seg mot studenter, forskere og utviklere av regelinnlæringsalgoritmer, og presenterer de grunnleggende konseptene i regelinnlæring med tilstrekkelig bredde og dybde for å sette leseren i stand til å forstå, utvikle og anvende regelinnlæring.