1.

Algorithms for subsetting attribute values with Relief

Članek opisuje postopek, s katerim lahko poiščemo vrednost zveznega atributa, ki optimalno razdeli primere v dve podmnožici, pri čemer je optimalnost določena z mero, ki ne sešteva prek posamičnih primerov (kot npr. entropija), temveč prek parov primerov. Algoritem zmanjša kvadratno časovno kompleksnost v linearno. Za področje kvalitativnega modeliranja je postopek potreben, ker so "vektorji sprememb" (kot so definirani v, npr. literaturi o QUINu) definirani na parih primerov in ne na posamičnih primerih, kot je to običajno pri gradnji običajnih klasifikacijskih in regresijskih dreves.

COBISS.SI-ID: 7550548

2.

Preference learning from qualitative partial derivatives

V članku raziskujemo uporabo metod kvalitativnega modeliranja, ki smo jih razvili v okviru projekta, za sestavljanje preferenčnih modelov. Algoritem zna iz podatkov, ki preferenčne relacije vsebujejo zgolj implicitno, sestaviti model, ki zna za posamezni konkretni primer (npr. osebo) napovedati, katera izmed možnih alternativ ji bo všečnejša oz. urediti alternative po všečnosti.

COBISS.SI-ID: 7926100

3.

Learning predictive qualitative models with Padé

Članek opisuje metode za gradnjo kvalitativnih modelov, ki temeljijo na topološki analizi prostora ter iskanju hiperravnin, ki se najbolj prilegajo podatkom, ne pa eksplicitno na linearni regresiji, za razliko od članka, ki smo ga objavili v reviji Artificial Intelligence Journal, ki temelji na različnih načinih uporabe linearne regresije.

COBISS.SI-ID: 8863572

4.

Learning qualitative relations from categorical data

Č̌lanek opisuje posplošitev metod odvajanja na kategorične domene. V ta namen smo definirali verjetnostne kvalitativne parcialne diferencialne odvode, ki povedo, kako sprememba vrednosti spremenljivke vpliva na verjetnost kategorične odvisne spremenljivke. Za izračun takšnih odvodov predlagamo metodo, ki temelji na lokalni različici naivnega bayesovskega modela.

COBISS.SI-ID: 7881812

5.

Learning qualitative models from numerical data

Č̌lanek opisuje novo metodo kvalitativnega učenja, ki ocenjuje parcialne odvode ciljne funkcije iz učnih primerov in jih uporablja za indukcijo kvalitativnega modela ciljne funkcije. Zasnovali smo tri metode izračuna odvodov, ki temeljijo na linearni regresiji, izračunani v lokalni okolici referenčne točke. Metode smo testirali na sintetičnih in resničnih podatkih. Članek opisuje tudi študijo na resničnem primeru, ki kaže, kako se metoda uporabi v praksi.

COBISS.SI-ID: 8324436