A lightweight rule induction method is described that generates compact Disjunctive Normal Form (DNF) rules. Each class may have an equal number of unweighted rules. A new example is classified by applying all rules and assigning the example to the class with the most satisfied rules. The induction method attempts to minimize the training error with no pruning. An overall design is specified by setting limits on the size and number of rules. During training, cases are adaptively weighted using a simple cumulative error method. The induction method is nearly linear in time relative to an increase in the number of induced rules or the number of cases. Experimental results on large benchmark datasets demonstrate that predictive performance can rival the best reported results in the literature.

Um método de pouco peso da indução da régua é descrito que gere réguas normais disjuntivas compactas do formulário (DNF). Cada classe pode ter um número igual de unweighted réguas. Um exemplo novo é classificado aplicando todas as réguas e atribuindo o exemplo à classe com as réguas as mais satisfeitas. O método da indução tenta minimizar o erro do treinamento com nenhum podar. Um projeto total é especificado ajustando limites no tamanho e no número das réguas. Durante o treinamento, as caixas são tornadas mais pesadas adaptàvel usando um método simples do erro cumulativo. O método da indução é quase linear a tempo relativo a um aumento no número de réguas induzidas ou no número dos casos. Os resultados experimentais em séries de dados grandes da marca de nível demonstram que o desempenho predictive pode rivalizar os mais melhores resultados relatados na literatura.