연관 분류자

Associative classifier

연관분류기(AC)는 연관규칙을 사용하여 목표값을 할당하는 일종의 감독학습 모델입니다.연관분류라는 용어는 Bing Liu 등에 의해 만들어졌으며, 저자들은 "우측을 분류 클래스 속성으로 제한한다"는 규칙으로 만들어진 모델을 정의했다.[1]

모델

AC에 의해 생성되어 새로운 레코드에 라벨을 붙이는 데 사용되는 모델은 연관지을 수 있는 규칙으로 구성됩니다.여기서 결과물은 클래스 라벨에 대응합니다.따라서 레코드는 "if-then" 구 목록으로도 볼 수 있습니다. 레코드가 어떤 기준(규칙 왼쪽에서 표현, 선행이라고도 함)과 일치하면 규칙 오른쪽(또는 후속) 클래스에 따라 레이블이 지정됩니다.

대부분의 AC는 규칙 목록을 순서대로 읽고 첫 번째 일치 규칙을 적용하여 새 [2]레코드에 라벨을 붙입니다.

측정 기준

AC 규칙은 지원이나 [3]신뢰도 등의 관련 규칙의 메트릭 중 일부를 상속합니다.메트릭을 사용하여 모델의[4] 규칙을 정렬 또는 필터링하고 품질을 평가할 수 있습니다.

실장

다른 저자가 이전에 [5]분류를 위한 연관 규칙의 마이닝을 제안했지만, 연관 규칙으로 구성된 분류 모델의 첫 번째 제안은 [1]CBA였다.그 후 다른 저자들은 중복 규칙 제거[6] 단계 추가 또는 새로운 [7]패턴의 활용과 같은 초기 모델에 대한 여러 가지 변경을 제안했다.

주요 실장은 다음과 같습니다.

레퍼런스

  1. ^ a b Liu, Bing; Hsu, Wynne; Ma, Yiming (1998). "Integrating Classification and Association Rule Mining": 80––86. CiteSeerX 10.1.1.48.8380. {{cite journal}}:Cite 저널 요구 사항 journal=(도움말)
  2. ^ Thabtah, Fadi (2007). "A review of associative classification mining" (PDF). The Knowledge Engineering Review. 22 (1): 37–65. doi:10.1017/s0269888907001026. ISSN 0269-8889. S2CID 15986963.
  3. ^ Liao, T Warren; Triantaphyllou, Evangelos (2008). Recent Advances in Data Mining of Enterprise Data: Algorithms and Applications. Series on Computers and Operations Research. WORLD SCIENTIFIC. doi:10.1142/6689. ISBN 9789812779854. S2CID 34599426.
  4. ^ "CBA homepage". Retrieved 2018-10-04.
  5. ^ Ali, Kamal; Manganaris, Stefanos; Srikant, Ramakrishnan (1997-08-14). "Partial classification using association rules". KDD'97. AAAI Press: 115–118. {{cite journal}}:Cite 저널 요구 사항 journal=(도움말)
  6. ^ a b Wenmin Li; Jiawei Han; Jian Pei (2001). CMAR: accurate and efficient classification based on multiple class-association rules. Proceedings 2001 IEEE International Conference on Data Mining. IEEE Comput. Soc. pp. 369–376. CiteSeerX 10.1.1.13.219. doi:10.1109/icdm.2001.989541. ISBN 978-0769511191. S2CID 2243455.
  7. ^ a b Dong, Guozhu; Zhang, Xiuzhen; Wong, Limsoon; Li, Jinyan (1999), "CAEP: Classification by Aggregating Emerging Patterns", Discovery Science, Springer Berlin Heidelberg, pp. 30–42, CiteSeerX 10.1.1.37.3226, doi:10.1007/3-540-46846-3_4, ISBN 9783540667131
  8. ^ "CMAR Implementation". cgi.csc.liv.ac.uk. Retrieved 2018-10-04.
  9. ^ Yin, Xiaoxin; Han, Jiawei (2003), "CPAR: Classification based on Predictive Association Rules", Proceedings of the 2003 SIAM International Conference on Data Mining, Society for Industrial and Applied Mathematics, pp. 331–335, CiteSeerX 10.1.1.12.7268, doi:10.1137/1.9781611972733.40, ISBN 9780898715453
  10. ^ "THE LUCS-KDD IMPLEMENTATIONS OF THE FOIL, PRM AND CPAR ALGORITHMS". cgi.csc.liv.ac.uk. Retrieved 2018-10-04.
  11. ^ Baralis, E.; Chiusano, S.; Garza, P. (2008). "A Lazy Approach to Associative Classification". IEEE Transactions on Knowledge and Data Engineering. 20 (2): 156–171. doi:10.1109/tkde.2007.190677. ISSN 1041-4347. S2CID 14829459.
  12. ^ "L3 implementation". dbdmg.polito.it. Retrieved 2018-10-08.
  13. ^ Chen, Guoqing; Liu, Hongyan; Yu, Lan; Wei, Qiang; Zhang, Xing (2006). "A new approach to classification based on association rule mining". Decision Support Systems. 42 (2): 674–689. doi:10.1016/j.dss.2005.03.005. ISSN 0167-9236.
  14. ^ Wang, Ke; Zhou, Senqiang; He, Yu (2000). Growing decision trees on support-less association rules. Proceedings of the Sixth ACM SIGKDD International Conference on Knowledge Discovery and Data Mining - KDD '00. New York, New York, USA: ACM Press. CiteSeerX 10.1.1.36.9265. doi:10.1145/347090.347147. ISBN 978-1581132335. S2CID 8296096.