SAFE: sistema de aprendizaje de funciones a partir de ejemplos

Abstract

Hay dos corrientes fundamentales en el aprendizaje automático a partir de ejemplos: los sistemas que tratan de sintetizar reglas ( u otros mecanismo equivalentes) capaces de clasificar casos no vistos en un conjunto finito de categorías discretas, y los algoritmos que persiguen la inducción de funciones. En esta tesis se combinan los dos planteamientos para obtener un nuevo método capaz de aprender funciones y que usa, como una herramienta central, un sistema de aprendizaje automático de categorías discretas. El resultado es un mecanismos capaces de manejar de manera natural tanto atributos con valores discretos como continuos y concluyendo funciones parcialmente definidas por aplicaciones lineales a partir de un subconjunto de atributos numéricos del dominio. El sistema así obtenido se llama SAFE, un acrónimo de sistema de aprendizaje de funciones a partir de ejemplos, es comparado con éxito con algoritmos de reconocido prestigio diseñados para llevar a cabo esta tarea.