INTEGR - A Method for Integrating Expert Knowledge and Knowledge Derived from a Data Set

The aim of the paper is to present a new approach for integrating expert knowledge with knowledge derived from a data set, called INTEGR. INTEGR approach is based on the method of training an expert fuzzy model with a set of data points but eliminates main drawbacks of this method. The paper presents both - the theoretical description of INTEGR algorithm and its practical application.

---

Zarówno modele rozmyte budowane na podstawie zbioru danych pomiarowych jak i modele rozmyte budowane przy wykorzystaniu wiedzy eksperckiej mają specyficzne dla siebie wady i zalety. Model ekspercki jest modelem przybliżonym, ale obowiązującym w całej dziedzinie analizowanej zależności, natomiast model zbudowany na podstawie zbioru danych pomiarowych jest modelem dokładnym, ale wiarygodnym tylko w pewnym, ściśle określonym fragmencie dziedziny. Wynika z tego, że aby zwiększyć precyzję rozmytych modeli eksperckich należy do nich dołączyć wiedzę zawartą w danych pomiarowych i analogicznie, żeby poszerzyć zakres stosowalności modeli rozmytych opracowanych na podstawie zbioru danych pomiarowych należy dołączyć do nich wiedzę ekspercką. Celem niniejszego artykułu jest przedstawienie nowej metody integracji wiedzy eksperckiej z wiedzą wydobytą z danych pomiarowych (metody INTEGR). Opisywana metoda jest oparta na uczeniu eksperckiego modelu rozmytego przy pomocy zbioru danych pomiarowych, ale eliminuje podstawowe wady tego podejścia. W artykule zaprezentowano zarówno teoretyczny opis metody, jak i jej praktyczne wykorzystanie na przykładzie modelu rozmytego przeznaczonego do wyceny samochodów używanych.