Poniżej praktycznie identyczne kody z różnych artów:
System ekspercki
// Uwaga://
// Jeśli nie chcesz tego czytać, a zobaczyć, jak to działa, pobierz pełny spakowany (.zip) projekt C# z kodem źródłowym, klikając tutaj {{File:ExpertSystem.zip}} //
// Uwagi do projektu (prototypowego) na końcu tego artykułu. //
// Note://
// If you do not want to read it, but you want to see how it works, download full zipped C# project with enclosed source code by clicking here {{File:ExpertSystem.zip}} //
// Notes to project (prototype) at the end of this article. //
||=Wstęp||Introduction
||W tym temacie pokazuję jak rozpocząć budowę systemu eksperckiego. ||In this topic I show how to start building an expert system.
||System ekspercki zawiera wiedzę ekspertów z jednej wąskiej dziedziny. Wiedza ta jest umieszczona w bazie wiedzy w postaci sformatowanej.||Expert system provides expert
Samoalokująca tablica
// Uwaga://
// Jeśli nie chcesz tego czytać, a zobaczyć, jak to działa, pobierz pełny spakowany (.zip) projekt Delphi z kodem źródłowym, klikając tutaj {{File:SelfAllocArr.zip}} //
// Uwagi do projektu (prototypowego) na końcu tego artykułu. //
// Note://
// If you do not want to read it, but you want to see how it works, download full zipped Delphi project with enclosed source code by clicking here {{File:SelfAllocArr.zip}} //
// Notes to project (prototype) at the end of this article. //
||=Wstęp||Introduction
||<i>Panie Protasewicz, czy jak pan chce zaorać pole, to musi pan używać czołgu?</i><br><br><i>Jeden z moich wykładowców</i>||<i>Mr. Protasewicz, or how you want to plow the field, then you must use a tank?</i><br><br><i>One of my lecturers</i>
||Jak stworzyć tablicę, która sama będzie dopasowywała rozmiar do indeksu, którego użyję, tzn. nie trzeba będzie deklarować jej rozmiaru na początku? Pascal jest bardzo
Które jednak raz dają odstęp raz nie. Plus to poniżej (jest celowo rozbite i skrócone bo by było nieczytelne, po wpisaniu do edytora Coyote łączę wiersze tabel). Problem wystąpił od nagłówka Złożoność obliczeniowa.
||=Cel i struktura artykułu||Purpose and structure of article
||Celem tego artykułu jest przybliżenie samego pojęcia szukania reguł w danych. Dla mnie termin ten brzmiał bardzo tajemniczo, dopóki nie napisałem programu. Tu prezentuję już rezultat, który dało dopiero porównanie, tak naprawdę, kilku programów, które powstały po drodze. Myślę, że do programistów najlepiej przemówi działający program i jego kod.
||Pierwszą część artykułu poświęcam temu, jak w ogóle się do tego zabrać i pokazuję rozwiązanie w C#. W dalszej części jest opisane bardzo efektywne rozwiązanie w SQL.||First part of article I dedicate this, as in general to go about it and I show solution in C#. Following part describes very effective solution in SQL.
<br><br>
||=Czym jest ekstrakcja reguł z danych?||What is to extract rules from data?
||Ekstrakcja reguł z danych jest częścią szerszego zagadnienia, jakim jest Data Mining. Jej celem jest znajdowanie w danych reguł, które są czasami ukryte dla człowieka. Ukryte reguły inaczej można nazwać ukrytą wiedzą.||Extraction of rules from data is part of broader issue, which is Data Mining. Its purpose is to find rules that are hidden from man sometimes. Hidden rules shall otherwise be called hidden knowledge.
||Jeżeli w organizacji jeden oddział osiąga lepsze rezultaty od innego, to znalezienie ukrytej reguły może pozwolić na zastosowanie działań podejmowanych przez lepszy oddział w innych słabszych oddziałach. Innym słowy można znaleźć odpowiedź na pytanie: dlaczego jedni wypadają lepiej od innych? Podobnie jest z lekami i wynikami badań pacjentów, którym zaaplikowano różne leki i terapie. Wniosek z wyników badań może się przyczynić do znalezienia lepszej terapii i lepszego zestawu leków.||If one branch of organization achieves better results than another, finding hidden rule may allow actions taken by superior branch in other weaker ones. In other words, you can find answer to question why some branches perform better than others? The same is true of medicines and patient test results, which were applied various medicines and therapies. Application of research results can contribute finding better treatments and better set of medicines.
<br><br>
||=Teraźniejszość i przyszłość||Present and future
||Moje rozwiązania możesz mieć w dzisiejszych czasach (rok 2013) na swoim biurku w domu nie mając dostępu do internetu. Czy potrafisz sobie wyobrazić, że następne pokolenia będą mogły mieć współczesne chmury w swoich domach na swoich biurkach także nie mając dostępu do internetu?||You can have my solutions at your desk at home without access to Internet these days (year 2013). Can you imagine that next generations will be able to have nowadays clouds in their homes at their desks not having access to Internet?
<h4>Literatura uzupełniająca / Reference materials</h4>
<p><a href="http://4programmers.net/Z_pogranicza/Metody_i_Style_Zarzadzania">Metody i Style Zarządzania, LOSMARCELOS, 4programmers.net</a></p>
<p><a href="http://4programmers.net/C_sharp/Artyku%C5%82y/System_ekspercki_expert_system">Regułowy System ekspercki / Rule-driven expert system, Artur Protasewicz, 4programmers.net</a></p>
<p><a rel="nofollow" href="http://pl.wikipedia.org/wiki/Eksploracja_danych">Eksploracja danych, Wikipedia</a></p>
<p><a rel="nofollow" href="http://pl.wikipedia.org/wiki/Hurtownia_danych">Hurtownia danych, Wikipedia</a></p>
<p><a rel="nofollow" href="http://pl.wikipedia.org/wiki/Big_data">Big data, Wikipedia</a></p>
||=Złożoność obliczeniowa||Computational Complexity
||W moim programie daje się ona sprowadzić do złożoności kwadratowej. Nie jest to dobre. Zawsze wolelibyśmy mieć złożoność liniową. Ale wziąłem pod uwagę następujące aspekty:||In my program it can be reduced to square complexity. This is not good. I always prefer to have linear complexity. But I took into account following aspects:
||1. Zwykle wybiera się wstępnie pewną reprezentatywną próbkę danych. Tu właśnie przydaje się kontekst i cel, a z pewnością także trochę doświadczenia. Próbka nie jest już tak liczna, jak cały zbiór danych.||1. Typically we pre-select representative sample of data. This is where context and purpose are useful and certainly some experience. The sample is not as large as the entire data set.