تعلم الآلة القائم على القواعد

التعلم الآلي القائم على القواعد (RBML) هو مصطلح في علم الكمبيوتر يهدف إلى تضمين أي أسلوب تعلم آلي يعرّف أو يتعلم أو يتطور "قواعد" للتخزين أو التلاعب أو التطبيق. السمة المميزة لمتعلم الآلة المستندة إلى القواعد هي تحديد واستخدام مجموعة من القواعد العلائقية التي تمثل بشكل جماعي المعرفة التي يراها النظام. هذا على النقيض من متعلمي الآلات الآخرين الذين يحددون نموذجًا منفردًا يمكن تطبيقه عالميًا على أي مثيل من أجل إجراء تنبؤ.

هذه المقالة تحتاج للمزيد من الوصلات للمقالات الأخرى للمساعدة في ترابط مقالات الموسوعة. فضلًا ساعد في تحسين هذه المقالة بإضافة وصلات إلى المقالات المتعلقة بها الموجودة في النص الحالي. (فبراير 2020)

يفتقر محتوى هذه المقالة إلى الاستشهاد بمصادر. فضلاً، ساهم في تطوير هذه المقالة من خلال إضافة مصادر موثوقة. أي معلومات غير موثقة يمكن التشكيك بها وإزالتها. (فبراير 2019)

هذه المقالة يتيمة إذ لا تصل إليها مقالة أخرى. ساعد بإضافة وصلة إليها في مقالة متعلقة بها. (يوليو 2018)

تتضمن مناهج التعلم الآلي القائم على القواعد أنظمة تصنيف التعلم ،  تعلم قواعد الارتباط ، أنظمة المناعة الاصطناعية ، وأي طريقة أخرى تعتمد على مجموعة من القواعد ، كل منها يشمل المعرفة السياقية. 

في حين أن التعلم الآلي القائم على القواعد هو من الناحية المفاهيمية نوعًا من النظام القائم على القواعد ، إلا أنه يتميز عن الأنظمة التقليدية المستندة إلى القواعد ، والتي غالباً ما تكون مصنوعة يدوياً ، وغيرها من صانعي القرارات المستندة إلى القواعد. ويرجع السبب في ذلك إلى أن التعلم الآلي القائم على القواعد يطبق شكلاً من أشكال خوارزمية التعلم لتحديد القواعد المفيدة تلقائيًا ، بدلاً من الحاجة البشرية لتطبيق المعرفة السابقة للمجال لإنشاء القواعد يدويًا وتنظيم مجموعة من القواعد.