Jednym z przykładów pozyskiwania wiedzy w sposób indukcyjny jest generowanie reguł za pomocą drzew decyzyjnych. W metodzie tej stosuje się tzw. atrybutowy model opisu przestrzeni zainteresowania. W szczególności: aby móc w ten sposób przystąpić do reprezentowania wiedzy, należy najpierw określić n- wymiarową przestrzeń, gdzie „n" odpowiada liczbie uwzględnianych atrybutów. Dla każdego atrybutu określamy - zwykle nieliczny - zbiór wartości o charakterze ilościowym lub jakościowym. Wartości atrybutów dla pewnej grupy obiektów tworzą tzw. przykłady uczące, na podstawie których zostanie pozyskana wiedza (zidentyfikowane drzewo decyzyjne)­

Przykłady uczące opisują obiekty, które zostały odpowiednio sklasyfikowane. tzn. każdemu obiektowi zastała przypisana znana klasa. Zakłada się, że klasyfikacja jest tu jednoznaczna i ostra.

Jednoznaczność polega na tym, że dany obiekt może należeć tylko do jednej klasy.

Ostrość polega na tym, że dany obiekt albo należy do danej klasy w pełni - albo wcale do niej nie należy.

Elementami struktury drzewa decyzyjnego są: • korceń,• gałęzie, • węzły,• liście. '

Korzeń jest początkiem drzewa decyzyjnego. Zawiera on nazwę jednego z atrybutów. Z korzenia rozchodzą się gałęzie, które są opisane wartościami atrybutu wybranego na korzeń. Ich liczba zależna jest od liczby wartości danego atrybutu. Każda gałąź jest zakończona węzłem, w którym znajduje się nazwa kolejnego atrybutu. Od każdego węzła rozchodzą się gałęzie w sposób opisany wyżej. Zakończeniami każdego drzewa są liście, a więc liść jest również zakończeniem gałęzi. W liściu znajduje się nazwa klasy.

Drzewo decyzyjne jest jedną z form zapisu wiedzy. Każde drzewo można przekształcić do reguł postaci:

jeżeli przeslanka1 i przeslanka2 i ... to konkluzja.

Po pozyskaniu porcji wiedzy (drzewa, zbioru reguł), wiedzę tą należy zweryfikować. Jednym z możliwych sposobów weryfikacji wiedzy jest zastosowanie przykładów testowych. Zadanie polega na zastosowaniu pozyskanej wiedzy do klasyfikacji przykładów, które nie brały udziału w tworzeniu drzewa, natomiast znana jest ich klasa. Porównanie wyników klasyfikacji z wynikami oczekiwanymi daje możliwość oceny jakości pozyskanej wiedzy i nosi nazwę testowania drzewa/ zbioru reguł

Jednym z przykładów pozyskiwania wiedzy w sposób indukcyjny jest generowanie reguł za pomocą drzew decyzyjnych. W metodzie tej stosuje się tzw. atrybutowy model opisu przestrzeni zainteresowania. W szczególności: aby móc w ten sposób przystąpić do reprezentowania wiedzy, należy najpierw określić n- wymiarową przestrzeń, gdzie „n" odpowiada liczbie uwzględnianych atrybutów. Dla każdego atrybutu określamy - zwykle nieliczny - zbiór wartości o charakterze ilościowym lub jakościowym. Wartości atrybutów dla pewnej grupy obiektów tworzą tzw. przykłady uczące, na podstawie których zostanie pozyskana wiedza (zidentyfikowane drzewo decyzyjne)­

Przykłady uczące opisują obiekty, które zostały odpowiednio sklasyfikowane. tzn. każdemu obiektowi zastała przypisana znana klasa. Zakłada się, że klasyfikacja jest tu jednoznaczna i ostra.

Jednoznaczność polega na tym, że dany obiekt może należeć tylko do jednej klasy.

Ostrość polega na tym, że dany obiekt albo należy do danej klasy w pełni - albo wcale do niej nie należy.

Elementami struktury drzewa decyzyjnego są: • korceń,• gałęzie, • węzły,• liście. '

Korzeń jest początkiem drzewa decyzyjnego. Zawiera on nazwę jednego z atrybutów. Z korzenia rozchodzą się gałęzie, które są opisane wartościami atrybutu wybranego na korzeń. Ich liczba zależna jest od liczby wartości danego atrybutu. Każda gałąź jest zakończona węzłem, w którym znajduje się nazwa kolejnego atrybutu. Od każdego węzła rozchodzą się gałęzie w sposób opisany wyżej. Zakończeniami każdego drzewa są liście, a więc liść jest również zakończeniem gałęzi. W liściu znajduje się nazwa klasy.

Drzewo decyzyjne jest jedną z form zapisu wiedzy. Każde drzewo można przekształcić do reguł postaci:

jeżeli przeslanka1 i przeslanka2 i ... to konkluzja.

Po pozyskaniu porcji wiedzy (drzewa, zbioru reguł), wiedzę tą należy zweryfikować. Jednym z możliwych sposobów weryfikacji wiedzy jest zastosowanie przykładów testowych. Zadanie polega na zastosowaniu pozyskanej wiedzy do klasyfikacji przykładów, które nie brały udziału w tworzeniu drzewa, natomiast znana jest ich klasa. Porównanie wyników klasyfikacji z wynikami oczekiwanymi daje możliwość oceny jakości pozyskanej wiedzy i nosi nazwę testowania drzewa/ zbioru reguł