K-최적 패턴 검출

K-optimal pattern discovery

K-최적 패턴 검출은 대부분의 연관 규칙 학습 기법의 기초가 되는 빈번한 패턴 검출 접근법에 대한 대안을 제공하는 데이터 마이닝 기법입니다.

빈번한 패턴 검출 기술은 샘플 데이터에 충분히 빈번한 예가 있는 모든 패턴을 찾습니다.반면 k-최적 패턴 발견 기술은 사용자가 지정한 관심 측정값을 최적화하는 k 패턴을 찾습니다.파라미터 k도 사용자에 의해 지정됩니다.

k-optimal 패턴 검출 기술의 예는 다음과 같습니다.

  • k-최적의 분류 규칙 검출.[1]
  • k-최적 부분군 발견.[2]
  • 순차적 표본을 사용하여 k개의 [3]가장 흥미로운 패턴을 찾습니다.
  • mining top.k는 최소한의 [4]지원 없이 닫힌 패턴을 자주 사용합니다.
  • k-최적의 규칙 검출.[5]

k-최적의 규칙 발견과 빈번한 패턴 마이닝 기법과 달리, 서브그룹 발견은 특정 관심 대상 속성과 관련하여 흥미로운 패턴을 마이닝하는 데 초점을 맞춘다.여기에는 예를 들어 이진수,[6] 공칭 또는 숫자 속성뿐만 아니라 여러 변수 간의 상관 관계와 같은 보다 복잡한 목표 개념도 포함됩니다.제약이나 존재론적 관계와 같은 배경[7] 지식은 종종 발견 결과에 초점을 맞추고 개선하는 데 성공적으로 적용될 수 있습니다.

레퍼런스

  1. ^ 웹, G.I. (1995년)OPUS: 순서 없는 검색을 위한 효율적인 허용 알고리즘입니다.인공지능 연구 저널, 3, 431-465.
  2. ^ Wrobel, Stefan(1997년) 부분군의 다중 관계 발견 알고리즘.제1회 유럽 심포지엄에서 데이터 마이닝과 지식 발견의 원칙에 관한 심포지엄.스프링거.
  3. ^ Scheffer, T., & Wrobel, S. (2002)순차적 샘플링을 사용하여 데이터베이스에서 가장 흥미로운 패턴을 빠르게 찾습니다.기계학습연구저널, 3, 833-862.
  4. ^ Han, J., Wang, J., Lu, Y. 및 Tzvetkov, P. (2002) 최소한의 지원 없이 톱K의 빈번한 폐쇄 패턴을 채굴한다.데이터 마이닝에 관한 국제 회의의 진행, 페이지 211-218.
  5. ^ 웹, G.I. 및 장, S. (2005)K-최적의 규칙 검출.데이터 마이닝 및 놀리지 디스커버리, 10(1), 39-79.
  6. ^ Kloesgen, W. (1996). "EXPLORA: A multipattern and multistrategy discovery assistant". Advances in Knowledge Discovery and Data Mining. pp. 249–271. Retrieved 2021-04-14.
  7. ^ Atzmueller, Martin; Puppe, Frank; Buscher, Hans-Peter (1 August 2005). "Exploiting background knowledge for knowledge-intensive subgroup discovery" (PDF). Proceedings of the 19th international joint conference on Artificial intelligence. Morgan Kaufmann Publishers. pp. 647–652.

외부 링크