V této práci je navržen ucelený systém pro učení rozhodovacích
pravidel z proudů dat a jeho aplikace v oblastech klasifikace v
proudech dat a on-line rozpoznávání anomálií v datech.
Dolování z proudů dat je proces, při nemž jsou extrahovány
znalosti z rychle a nepřetržitě přicházejících záznamů. Na
velké množství úloh dolování z dat v dnešní době lze pohlížet
jako na dolování z proudů dat, proto se také toto odvětví těší
vzrůstající popularitě a objevuje se mnoho nových algoritmů,
které jsou schopné tato data zpracovávat. Rozhodovací pravidla
jsou jedním z nejflexibilnějších modelů a také jedním z nejlépe
interpretovatelných. Nicméně doposud bylo navrženo jen velmi
omezené množství algoritmů pro učení pravidel z proudů dat,
která se mohou v průběhu času měnit. Tato práce navrhuje systém
Very Fast Decision Rules (VFDR), jeho další zajímavá rozšíření
a aplikace. VFDR se učí jedním průchodem daty a nabízí možnost
učení se uspořádaných či neuspořádaných množin pravidel.
Jednou z důležitých vlastností algoritmů pro práci s proudy dat
je schopnost detekovat změny v klasifikaci dat a následně
rychle přizpůsobit model změnám. Rozšíření pro rychlou adaptaci
VFDR nazvané Adaptive Very Fast Decision Rules (AVFDR) je
navrženo právě pro výše zmíněné situace. Detekce změn využívá
modularity modelu množiny pravidel. Každé z pravidel v množině
monitoruje svůj vývoj kvality predikce, podle kterého detekuje,
zda došlo ke změně v datech. Jakmile je změna detekována, je
pravidlo, jehož kvalita začala významně klesat, z množiny
odstraněno. Tento princip umožňuje rychlou adaptaci na změny a
pomáhá udržovat velikost množiny pravidel.
Dalším využitím modelů množin pravidel je detekce anomálií v
datech. V této práci se též zajímáme o možnosti použití
navrženého systému pro on-line odhalování anomálií. Toto je
jedna z mála prací, které se zabývají on-line detekcí s pomocí
inkrementálně se učícího modelu schopného rychlé adaptace.
Experimentální část práce prezentuje výhody a nevýhody použití
navrženého algoritmu. Výledky ukazují, že model je velmi
flexibilní, co se týče použití pro různé úlohy, a obstojí v
porovnání s dalšími známými metodami pro učení a predikci z
proudů dat.