Pemelajaran mesin berbasis aturan 📖 Wikipedia

Bagian dari seri
Pembelajaran mesin dan penggalian data
Paradigma Pembelajaran terbimbing Pembelajaran tak terbimbing Pembelajaran mesin daring Pembelajaran mesin luring Meta-learning Pembelajaran semiterbimbing Pembelajaran swabimbing Pembelajaran pengukuhan Pembelajaran berbasis aturan Pembelajaran mesin kuantum
Masalah Klasifikasi Model generatif Regresi Kluster Reduksi dimensi Estimasi densitas Deteksi anomali Pembersihan data AutoML Aturan asosiasi Analisis semantik Rekayasa fitur Pembelajaran fitur
Pembelajaran terbimbing (Klasifikasi • Regresi) Pohon keputusan Pembelajaran ensambel Bagging boosting Random forest k-NN Regresi linear Naive Bayes Jaringan saraf tiruan Regresi logistik Perseptron Support vector machine (SVM)
Kekelompokkan BIRCH CURE Hierarki k-means Fuzi
Reduksi dimensi AKU
Jaringan saraf tiruan Pembelajaran dalam Jaringan saraf konvolusional
Diagnostik model Kurva belajar
l b s

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 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.