86598 IMAGE7

jednak najczęściej są kojarzone ze sztuczną inteligencją, a ściślej z komputerowymi metodami uczenia się. Dlatego są mało znane w środowisku statystyków i ekonometryków. Zadaniem książki jest przybliżenie ich osobom zainteresowanym problemami klasyfikacji danych i spojrzenie na niejako na metody komplementarne w stosunku do klasycznych metod statystycznych.

Książka została podzielona na cztery części, z których każda składa się z kilku rozdziałów.

Metody symboliczne, omawiane w II i m części na początku każdego rozdziału są charakteryzowane w sposób ogólny, a następnie naiważrii.ei§ze3 z nich są przedstawiane bardziej szczegółowo — podany jest precyzyjnie algorytm Sghj działania, gro. umożliwia zainteresowanemu Czytelnikó^] samodzielne napisanie: odpowiedniego programu komputerowegortDodąt-kowo na końcu każdego rozdziału zamieszczono przykłady ilustrujące ich praktyczne użycie Oraz postać rezultatów klasyfikacji^Nalęży zaznaczj^ że- kryterium wyboru metod była ich oryginalność, efekty wność, liczba zastosowań oraz wpływ na kierunek dalszych badań.

I część książki składa się. z dwóch rozdziałów, i jest’ poświęcona klasycznym, numerycznym metodom klasyfikacji danych, tj. taksonometni oraz analizie dyskryminacyjnej. Poza przedstawieniem';iph podstawowych własności;, szczególną, uwagę .zwrócono na ograniczenia i wymagania w^tosunku^dairdanyc^^ji^na to, co wpływa na zawężenie -ipolai'-’ zastosowań;

Zadaniem rozdziału 2 jest omówienie metod taksonomii numeryfczpejK: Znaczną jego część poświęcono omówieniu ograniczeń taksonometni związanych z charakterem miar podobieństwa i odległości, brakiem formalnej definicji skupienia, trudnościami interpretacji wyników, wymaganiami stawianymi, danym itd.

Rozdział 3 poświęcono klasyfikacji wzorcowej, tj. analizie, dys-r kryminacyjnej. Przedstawiono w nim nxętjo»<^ przy czym większą uwagę zwrócono na liniowe funkcje dyskryminacyjnej Przypomniano idós^duże-iwymagania, jakie stawiają one danym re-r prezentującym cechy ' klasyfikowanych' obiektów, są to normalność ich rozkładu oraz równość macierzy' wariancji ikowariancji:w poszczególnych klasachit!.-

• U część książki składa się z czterech rozdziałów omawiających symboliczne metody taksonomii.

Rozdział 4 zawiera charakterystykę metod taksonomii symbolicznej;

oraz znanych z literatury algorytmów klasyfikacyjnych. Wprowadzono też pojęcie obiektu symbolicznego oraz formalny sposób opisu obiektów, który jest stosowany w pozostąłych częściach-książki. W rozdziale tym znajduje się także omówienie wypracowanych w ramach psychologii różnych teorii konstruowania pojęć.

W rozdziale 5 znajduje się charakterystyka iteracyjnoroptymalizaeyjr nych metod taksonomii symbolicznej. Dokonano tam szczegółowej analizy dwóch najbardziej znanych w literaturze algorytmów: CLUSTER oraz WITT, pokazując ich zalety oraz wady.

Rozdział 6 prezentują obszerną charakterystykę me^ hierarehieziiych w ramach taksonomii symbolicznej. Omóydono^w nyu^zarówno algorytmy podziałowe,: jak i, najbardziej liczne, sekwencyjne.- Bardziej szczegółowo przedstawiono algorytm WEB oraz jego modyfikacje..

Metody tworzące klasy nierozłączne omówiono w rozdziale 7. Ta algorytmów jest bardzo nieliczna, zarówno, w klasycznej, taksono-metrii jak i w taksonomii symbolicznej. Ż tego powodu szczególną uwagę zwrócono na algorytm UNIMEM oraz metodę piramid.

HI książki, składająca się z dwóch rozdziałów, poświęcona jest symbQUtemg^etodom.klasyfikaęji wzorcowej, narwanym też uczeniem znauęzyaelemń(*

W. mzdzi^^^OmÓ^dóno sposoby tworzenia reguł klasyfikacji: obiektów na podstawie próby uczącej . Reguły te mogą mieć postać albo koniunkcyj-ną, albo dysjunkcyjną; te drugie^mają znacznie większe zastosowanie praktyczne. Przede wszystkim zwrócono uwagę na metody AQ oraz CN2, chociaż pokazano też algorytmy mnigj znane, tj. HCV oraz PVM.

Rozdział 9 w całości poświęcono drzewom klasyfikacyjnym* Ta grupa metod szczegójnie często znajduje praktyczne zastosowanie ze względu ną_; prostotę i precyzję klasyfikacji. W rozdziale tym przedstawiono zarówno metody tworzenia, jak i porządkowania drzew klasyfikacyjnych; dużo miejsca poświęcając; takim algorytmom, jak CART, ID3 czy C4.

Ostatnia, IV część książki zawiera przykłady praktycznych zastosowali symboUczjiych metod klasyfikacji oraz omówienie wykorzystanych programów komputerowych: ■_;

W rozdziale 10 pokazano najbardziej znane zastosowania symbolicznych metod klasyfikacji, m.in. na przykładzie dwóch projektów realizowanych w ramach programu ESPRTT. Ponadto omawiane metody stanowią ważny element rozwijającej się ostatnio eksploatacji danych. Przedstawiono także rezultaty klasyfikacji danych prowadzonej przez autora w ramach

11