Implementation of scikit-learn interface for XCS system with usability on categorical and numerical data

The XCS (eXtended Classifier System) has aroused new interest in the field of classification systems. The XCS system works in its canonical form with input containing values 1 and 0. The aim of the bachelor thesis was to make the XCS system available in canonical form in the python language with a friendly application interface and applicability to categorical and numerical data. The friendly interface is provided by compatibility with the scikit-learn application interface. Scikit-learn is a popular library that implements machine learning algorithms and offers several support functions. Application to categorical and numerical data was achieved by dumification. Part of this usability was the visualization of the system rules and the classification output. This paper describes the design and implementation of this interface and presents the results of tests of the implementation on chosen datasets.

Systém XCS (eXtended classifier System) vzbudil nový zájem o oblast klasifikačních systémů. Systém XCS pracuje ve své kanonické formě se vstupem obsahujícím hodnoty 1 a 0. Cílem bakalářské práce bylo zpřístupnit systém XCS v kanonické formě v jazyce python přívětivým aplikačním rozhraním a použitelností na kategoriální a numerická data. Přívětivé rozhraní je poskytnuto kompatibilitou s aplikačním rozhraním knihovny scikit-learn. Scikit-learn je populární knihovna, která implementuje algoritmy strojového učení a nabízí řadu podpůrných funkcí. Použití na kategoriální a numerická data bylo dosaženo pomocí dumifikace. Součástí této použitelnosti byla vizualizace pravidel systému a výstupu klasifikace. Práce popisuje návrh a implementaci tohoto rozhraní a prezentuje výsledky testů implementace na vybraných souborech dat.