เป็นอัลกอริทึมการนำกฎเข้าสู่การใช้งาน (Rule Induction Algorithm) ที่ใช้กันอย่างกว้างขวางชื่อ RIPPER อัลกอริทึมนี้ขยายตัวเกือบเชิงเส้น (Scales Almost Linearly) กับจำนวนอินสแตนซ์ฝึกอบรม และเหมาะอย่างยิ่งสำหรับการสร้างโมเดลจากชุดข้อมูลที่มีการกระจายคลาสเกิน (Overloaded Class Distributions) RIPPER ทำงานได้ดีกับชุดข้อมูลที่มีสัญญาณรบกวน (Noisy Data Sets) เพราะมันใช้ชุดตรวจสอบ (Validation Set) เพื่อป้องกันการเรียนรู้เกินของโมเดล (Model Overfitting)
RIPPER เลือกคลาสส่วนใหญ่ (Majority Class) เป็นคลาสเริ่มต้น (Default Class) และเรียนรู้กฎสำหรับระบุคลาสน้อย (Minority Class) สำหรับปัญหาหลายคลาส (Multiclass Problems) คลาสถูกจัดลำดับตามความถี่ของพวกเขา
ให้ (y1 y2... yc) เป็นคลาสที่จัดลำดับ โดยที่ y1 คือคลาสที่น้อยที่สุด และ yc คือคลาสที่มากที่สุด ในรอบทำซ้ำแรก อินสแตนซ์ที่เป็นของ y1 ถูกติดฉลากเป็นตัวอย่างบวก (Positive Examples) ในขณะที่ที่เป็นของคลาสอื่นๆ ถูกติดฉลากเป็นตัวอย่างลบ (Negative Examples)
แนวทางการปิดคลุมลำดับ (Sequential Covering Approach) สามารถใช้เพื่อสร้างกฎที่แบ่งแยกระหว่างตัวอย่างบวกและลบ ต่อมา RIPPER ดึงกฎที่แยก y2 จากคลาสที่เหลืออื่นๆ กระบวนการนี้ทำซ้ำจนกว่าจะเหลือ yc ซึ่งถูกกำหนดเป็นคลาสเริ่มต้น
RIPPER ใช้วิธีทั่วไปไปสู่เฉพาะเจาะจง (General-to-specific) เพื่อเพิ่มกฎ และขนาดการเพิ่มข้อมูลของ FOIL (FOIL's Information Gain Measure) เพื่อเลือก conjunct (เงื่อนไขร่วม) ที่ดีที่สุดที่จะแทรกเข้าไปในอนุบัญญัติของกฎ (Rule Antecedent) มันหยุดแทรก conjunct เมื่อกฎเริ่มครอบคลุมอินสแตนซ์ลบ
กฎใหม่ถูกตัดแต่ง (Pruned) ขึ้นอยู่กับการใช้งานของมันบนชุดตรวจสอบ เมตริกต่อไปนี้ถูกคำนวณเพื่อตัดสินใจว่าจำเป็นต้องตัดแต่งหรือไม่ — (p-n)/(p+n) โดยที่ p(n) คือจำนวนตัวอย่างบวก (ลบ) ในชุดตรวจสอบที่ถูกครอบคลุมโดยกฎ
เมตริกนี้เกี่ยวข้องกับความแม่นยำของกฎบนชุดตรวจสอบแบบเดี่ยวเพิ่ม (Monotonically Related) หากเมตริกดีขึ้นหลังการตัดแต่ง ดังนั้น conjunct จะถูกลบ การตัดแต่งเสร็จสิ้นเริ่มจาก conjunct สุดท้ายที่แทรกเข้าไปในกฎ ตัวอย่างเช่น กำหนดกฎ ABCD → y RIPPER ตรวจสอบว่า D ควรตัดแต่งก่อน ตามด้วย CD, BCD ฯลฯ ในขณะที่กฎเริ่มต้นครอบคลุมเฉพาะอินสแตนซ์บวก กฎที่ตัดแต่งแล้วอาจครอบคลุมอินสแตนซ์ลบบางส่วนในชุดฝึกอบรม
หลังจากสร้างกฎ บางอินสแตนซ์บวกและลบที่ถูกครอบคลุมโดยกฎถูกลบออก กฎจึงถูกเพิ่มเข้าไปในชุดกฎ (Ruleset) ตราบใดที่มันไม่ละเมิดเงื่อนไขหยุด (Stopping Condition) ซึ่งขึ้นอยู่กับหลักการความยาวคำอธิบายขั้นต่ำ (Minimum Description Length Principle)
หากกฎใหม่ปรับปรุงความยาวการแทนทั้งหมดของชุดกฎอย่างน้อย d บิต ดังนั้น RIPPER หยุดแทรกกฎเข้าไปในชุดกฎของมัน (โดยค่าเริ่มต้น d ถูกเลือกเป็น 64 บิต) เงื่อนไขหยุดอีกอย่างที่ RIPPER ใช้อัตราข้อผิดพลาดของกฎบนชุดตรวจสอบต้องไม่เกิน 50% RIPPER นำไปใช้ขั้นตอนเพิ่มประสิทธิภาพเพิ่มเติมเพื่อตัดสินใจว่ากฎที่มีอยู่ในชุดกฎบางกฎสามารถแทนที่ด้วยกฎทางเลือกที่ดีกว่าได้หรือไม่
ทำความเข้าใจ RIPPER: Rule Induction สำหรับ Imbalanced/Noisy Data, Sequential Covering (Minority Classes First), General-to-specific + FOIL Gain, Pruning ด้วย Validation Set (p-n)/(p+n), MDL Stopping Condition (64 bits), Rule Replacement Optimization
