Ассоциативный классификатор - Associative classifier

An ассоциативный классификатор (AC) - это своего рода контролируемое обучение модель, которая использует правила ассоциации присвоить целевое значение. Термин ассоциативная классификация был введен Бин Лю и другие.,[1] в котором авторы определили модель, состоящую из правил, «правая часть которых ограничена атрибутом класса классификации».

Модель

Модель, созданная AC и используемая для маркировки новых записей, состоит из правила ассоциации, где консеквент соответствует метке класса. Таким образом, их также можно рассматривать как список предложений «если-то»: если запись соответствует некоторым критериям (выраженным в левой части правила, также называемым антецедентом), она затем помечается в соответствии с классом в правая часть правила (или следствия).

Большинство AC читают список правил по порядку и применяют первое правило сопоставления, чтобы пометить новую запись.[2]

Метрики

Правила AC наследуют некоторые метрики правил ассоциации, такие как поддержка или уверенность.[3] Метрики можно использовать для упорядочивания или фильтрации правил в модели.[4] и оценить их качество.

Реализации

Первым предложением модели классификации, основанной на правилах ассоциации, было CBA,[1] хотя другие авторы ранее предлагали поиск ассоциативных правил для классификации.[5] С тех пор другие авторы предложили несколько изменений исходной модели, например, добавление фазы сокращения избыточных правил.[6] или использование Emerging Patterns.[7]

Известные реализации включают:

Рекомендации

  1. ^ а б Лю, Бинг; Хсу, Винн; Ма, Имин (1998). «Объединение классификации и ассоциативного майнинга»: 80––86. CiteSeerX  10.1.1.48.8380. Цитировать журнал требует | журнал = (помощь)
  2. ^ Табтах, Фади (2007). «Обзор ассоциативной классификации интеллектуального анализа данных» (PDF). Обзор инженерии знаний. 22 (1): 37–65. Дои:10.1017 / s0269888907001026. ISSN  0269-8889.
  3. ^ Ляо, Т. Уоррен; Триантафиллу, Евангелос (2008). Последние достижения в области интеллектуального анализа корпоративных данных: алгоритмы и приложения. Серия по компьютерам и исследованиям операций. МИРОВАЯ НАУЧНАЯ. Дои:10.1142/6689. ISBN  9789812779854. S2CID  34599426.
  4. ^ "Домашняя страница ЦБ". Получено 2018-10-04.
  5. ^ Али, Камаль; Манганарис, Стефанос; Срикант, Рамакришнан (14 августа 1997 г.). «Частичная классификация с использованием ассоциативных правил». KDD'97. AAAI Press: 115–118. Цитировать журнал требует | журнал = (помощь)
  6. ^ а б Вэньминь Ли; Цзявэй Хан; Цзянь Пей (2001). CMAR: точная и эффективная классификация на основе нескольких правил ассоциации классов. Материалы Международной конференции IEEE 2001 по интеллектуальному анализу данных. IEEE Comput. Soc. С. 369–376. CiteSeerX  10.1.1.13.219. Дои:10.1109 / icdm.2001.989541. ISBN  978-0769511191.
  7. ^ а б Дун, Гочжу; Чжан, Сючжэнь; Вонг, Лисун; Ли, Цзиньянь (1999), «CAEP: Классификация путем агрегирования новых моделей», Наука открытия, Springer Berlin Heidelberg, стр.30–42, CiteSeerX  10.1.1.37.3226, Дои:10.1007/3-540-46846-3_4, ISBN  9783540667131
  8. ^ «Внедрение CMAR». cgi.csc.liv.ac.uk. Получено 2018-10-04.
  9. ^ Инь, Сяосинь; Хан, Цзявэй (2003), «CPAR: классификация на основе правил прогнозирующей ассоциации», Материалы Международной конференции SIAM 2003 г. по интеллектуальному анализу данных, Общество промышленной и прикладной математики, стр. 331–335, CiteSeerX  10.1.1.12.7268, Дои:10.1137/1.9781611972733.40, ISBN  9780898715453
  10. ^ "РЕАЛИЗАЦИЯ LUCS-KDD АЛГОРИТМОВ FOIL, PRM И CPAR". cgi.csc.liv.ac.uk. Получено 2018-10-04.
  11. ^ Baralis, E .; Chiusano, S .; Гарза, П. (2008). «Ленивый подход к ассоциативной классификации». IEEE Transactions по разработке знаний и данных. 20 (2): 156–171. Дои:10.1109 / tkde.2007.190677. ISSN  1041-4347.
  12. ^ «Реализация L3». dbdmg.polito.it. Получено 2018-10-08.
  13. ^ Чен, Гоцин; Лю, Хунъянь; Ю, Лан; Вэй, Цян; Чжан, Син (2006). «Новый подход к классификации, основанный на интеллектуальном анализе ассоциативных правил». Системы поддержки принятия решений. 42 (2): 674–689. Дои:10.1016 / j.dss.2005.03.005. ISSN  0167-9236.
  14. ^ Ван, Кэ; Чжоу, Сенцян; Он, Ю (2000). Выращивание деревьев решений по правилам ассоциации без поддержки. Материалы шестой Международной конференции ACM SIGKDD по открытию знаний и интеллектуальному анализу данных - KDD '00. Нью-Йорк, Нью-Йорк, США: ACM Press. CiteSeerX  10.1.1.36.9265. Дои:10.1145/347090.347147. ISBN  978-1581132335.