Rakstā izskatīta ģenētiskā algoritma (GA) pielietošana datu ieguves uzdevumam svaru optimizēšanas nolūkos. Datu ieguves uzdevumiem raksturīgs liels datu ierakstu un atribūtu skaits, kuru parasti nepieciešams apstrādāt, veidojot, piemēram, klasifikācijas likumus. Tā rezultātā, lielu datu ierakstu un atribūtu skaita dēļ klasisko metožu klasifikācija notiek ar lielu kļūdu. Šo problēmu risināšanai pielietots ģenētiskais algoritms, kura uzdevums ir atrast tādus svarus katram atribūtam, kas nodrošinātu klasifikācijas kļūdas samazināšanu. Par klasisko metodi tiek izvēlēts k tuvāko kaimiņu (KNN) klasifikators un svaru optimizēšanai tiek pielietots modificēts ģenētiskais algoritms. Balstoties uz ģenētiskā un k tuvākā kaimiņa algoritmu kopējās pielietošanas bāzes, izstrādāts GA/KNN algoritma hibrīds. Rezultātā piedāvāts algoritma hibrīds nodrošina stabilu klasifikācijas kļūdas samazināšanu neatkarīgi no ierakstu un atribūtu skaita, un izvēlētā tuvāko kaimiņu skaita. Ģenētiskā algoritma blokā modificēti krustošanas un mutācijas operatori strādā ar vienādu intensitāti un nodrošina no indivīdu pasliktināšanas.