關(guān)聯(lián)分類(lèi)算法的研究(完整版)
【正文】 e Discovery and Data Mining (PAKDD39。06), 522. 2020 [24] Florian Verhein and Sanjay Chawla. Using Significant, Positively Associated and Relatively Class Correlated Rules for Associative Classification of Imbalanced Datasets, In Proc. of 2020 IEEE Int. Conf. on Data Mining (ICDM39。00), Boston, MA, Aug. 2020. [20]Frans Coenen and Paul Leng. Obtaining Best Parameter Values for Accurate Classification. In Proc. of 2020 IEEE Int. Conf. on Data Mining (ICDM39。l Conf. on KnowledgeBased Intelligence Information amp。 amp。ACAHebei University 主要研究?jī)?nèi)容和創(chuàng)新點(diǎn) ? 關(guān)聯(lián)分類(lèi)算法的優(yōu)點(diǎn) ? 分類(lèi)精度高 ? 適應(yīng)性強(qiáng) ? 關(guān)聯(lián)分類(lèi)算法存在的問(wèn)題 ? 算法的執(zhí)行效率 更高效的挖掘方法 ? 剪枝的質(zhì)量和效率 新的規(guī)則序關(guān)系 ? 分類(lèi)器的可理解性 交疊現(xiàn)象對(duì)分類(lèi)起的影響 Hebei University 已完成的工作 ? 算法的執(zhí)行效率 ? 在構(gòu)造帶類(lèi)別標(biāo)識(shí)的 FPtree時(shí)，在每個(gè)節(jié)點(diǎn)注冊(cè)相應(yīng)類(lèi)別信息。 ? 2020年 Li等提出基于多條關(guān)聯(lián)規(guī)則的分類(lèi)算法 CMAR。 ? 2020年 Yin等提出預(yù)測(cè)型關(guān)聯(lián)規(guī)則的分類(lèi)算法 CPAR。 ? 擴(kuò)展 TDFPGrowth算法，使它能直接挖掘滿足最小支持度和最小置信度的類(lèi)關(guān)聯(lián)規(guī)則。()ACP r e d A c c RA???Hebei University ? R1: sup(R1) = 100, conf(R1) = 98% ? R2: sup(R2) = 10, conf(R2) = 100% ? 經(jīng)典序關(guān)系 R1 R2 ? R1 R2 ? R1有較好的泛化能力， R2可能過(guò)度擬合數(shù)據(jù)。 Engineering Systems (KES39。05), , 2020 [21] D. Meretakis and B. Wuthrich. Extending Na239。99) , pages 165174, San Diego, CA, Aug. 1999. [22] Bing Liu, Yiming Ma, and Ching Kian Wong. Improving an Association Rule Based Classifier. In Proceedings of the 4th European Conference on Principles of Data Mining and Knowledge Discovery, Pages: 504 – 509, 2020 [23] Bavani Arunasalam and Sanjay Chawla. CCCS: A Topdo
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1