IMAGE4 (2)

z dwóch waności, np. pleć (kobieta, mężczyzna), posiadanie samochodu (tal^nięJM

Skala porządkową (rangowa) jest mocniejsza od skali nominalnej, ponieważ pozwala nie tylko odróżnić dwa obiekty, lecz także określić znak tej róinićy. A zatem zachodzi jedna z relacji:

Ustalona jest więc kolejność wartości w zbiorze (jest on liniowo uporządkowany),ale nie jest znana odległość między nimi, np. dla cechy „wielkość” można podać porządek wartości:

mała < przeciętna < duża.

Typowymi cechami tego typu są wszelkiego rodzaju oceny (ńp. umiejętności, jakości produktu), preferencje itp.

W zbiorze wartości cechy mierzonej na skali porządkowej zachodzi relacja przechodniośd:

oraz asymetrii:

.x_A

Jeśli chodzi o skale mocne, to w przypadku skali interwałowej łhożna dodatkowo ustalić różnice między wartościami cechy, tj. wykonywać na nich. operacje dodawania i odejmowania. Na tej skali ustalone jest zero umowne, cq pozwala zachować różnice między wartościami mimozmiany jednostek miary (np. w wyniku stosowania dodatnich przekształceń liniowycb).

Z kolei dla skali ilorazowej dopuszczalne jest także mnożenie i dzielenie wartości skali. Punkt zerowy w tym przypadlm ma charakter bezwzględny, co czyni sensownym pytanie:-ile razy jedna wartość jest większa od drugiej.

1,4. Geneza symbolicznych metod klasyfikacji

Omawiane w książce symboliczne metody klasyfikacji danych pojawiły się na styku laiku dyscyplin. Ogólnie biorąc; motorem prowadzenia badań jest dążenie do zbudowania modelu- procesu uczenia się, który byłby

k_

podobny do zachodzącego u człowieka. Wyposażenie sztucznego systemu w zdolność: samodzielnego, przyswajania wiedzy,'wyciągania wniosków itp. przy jednoczesnym wyeliminowaniu błędów charakterystycznych dla człowieka stwarza niezwykłe możliwości w-edulacji,.medycynie, ekonomii itd. System .-taki:,, byłby. bowiem wolny' od typowych dla człowieka ograniczeii psychicznych czy .fizycznych, np.- zmęczenia lub. choroby. Możliwe stałoby się także jego wielokrotne powielanie.

. Metody klasyfikacji przedstawione W książce wykorzystują rozwiązania zaczerpnięte.z trzech dziedzin:

^',^^Żtuc^Jkdnteligencjij

— psychologii,

•.•rr-rs statystyki i statystycznej teprii rozpoznawania obrazów.. v. Największe zainteresowanie symbolicznymi metodami klasyfikacji występuje w ramach sztucznej: inteligencji (ang. artiftcial intelligence), a ściślej mówiąc, uczenia sięmaszyn (ang. machinę leaming). A mianowicie analizowane są formalne podstawy . procesu konstruowania pojęó, tworzone'algorytmy i programy .komputerowe. Wspomniane algorytmy najczęściej nie są zgodne z : faktycznym przebiegiem procesów .poznawczych .zachodzących. .u człowieka, jednak niektóre - .z. ruch wykazują interesujące właściwości w wielu praktycznych zastosowaniach..Obecnie w ramach machinę learning analizowane są strategie uczenia się⁴ przez zapamiętywanie; na podstawie instrukcji, przez analogię, dedukcyjne oraz indukcyjne.

Najbardziej interesująca jest grapa indukcyjnych metod uczenia się (ang; leaming by induction), polegających na tworzeniu pojęó przez klasyfikację dostarczonych faktów. W. zależności od tego, czy system uczący się może liczyć na pomoc „nauczyciela”, wyróżnia się uczenie na podstawie przykładów (ang. leaming by examples) oraz uczenie przez obserwację i odkrycia (ang. leaming from observation and discovery) (Bole, Zaremba 1992).

W tym pierwszym przypadku nauczyciel dostarczą pozytywne i negatywne przykłady przyswajanych pojęć,-tj. fakty należące lub nie należące do odpowiadającej im kategorii. Z punktu widzenia klasyfikacji w takim przypadku można mówić o klasyfikacji wzorcowej.

Drugi rodzaj indukcyjnego uczenia się występuje wtedy, gdy uczący

* Zostały one wymienione w kolejności odzwierciedlającej rosnącą niezależność od nauczyciela (Bole, Zaremba 1992).

21