Konstruktivna indukcija (CI) je veja strojnega učenja, ki združuje obstoječe atribute v nove, potencialno uporabnejše atribute. Večina postopkov CI deluje tako, da bolj ali manj premišljeno izbira pare (trojke, četverke...) obstoječih atributov, jih s kakim od vnaprej podanih operatorjev združi v nov atribut in, morda, še oceni njegovo kvaliteto. Funkcijska dekompozicija je nekoliko netipičen postopek konstruktivne indukcije, saj operatorjev ne izbira iz vnaprej pripravljenega nabora, temveč jih sestavlja sama. Izvirno je bil algoritem razvit za potrebe načrtovanja preklopnih vezij, za strojno učenje pa sta ga usposobila Blaž Zupan in Marko Bohanec, tako da sta mu dodala zmožnost obravnave neznanih vrednosti, večvrednostnih atributov in suma. V seminarju bomo predstavili nove možne izboljšave postopka. Algoritem bomo najprej posplošili, tako da bomo začrtali nekoliko splošnejši okvir postopkov konstruktivne indukcije brez vnaprej podanih operatorjev. Nato bomo opazovali, kako zamenjava posameznih komponent funkcijske dekompozicije vpliva na njeno delovanje v različnih pogojih, kot so (pre)majhne učne množice ali bolj zapleteni ciljni atributi.