Wybrane algorytmy poszukiwania zbiorów częstych na potrzeby reguł asocjacyjnych

Katarzyna Ignatiuk

Abstract

Reguły asocjacyjne są prostą reprezentacją istotnych statystycznie związków przyczynowo skutkowych pomiędzy atrybutami opisującymi obiekty dużego systemu informacyjnego. Podczas ich generowania strategiczne są dwa zagadnienia: dobór odpowiedniego algorytmu wydobywającego zbiory częste, na podstawie których proponowane są reguły oraz ocena asocjacyjna zaproponowanych reguł, która pozwala wskazać prawdziwe i silne związki między atrybutami. Niniejsza praca poświęcona jest pierwszemu z tych dwóch zagadnień. W pracy zaprezentowano podstawowe algorytmy wyszukujące zbiory częstych w systemie informacyjnym, algorytm Apriori, FP-growth oraz Elcat. Każdy z algorytmów został omówiony i poparty praktycznym przykładem. Zwieńczeniem tej części pracy była analiza asocjacyjna rzeczywistych danych pacjentów z Przewlekłą Chorobą Nerek z wykorzystaniem algorytmu Apriori oraz FP-growth, dostepnych w oprogramowaniu WEKA. Analiza wskazała czasową przewagę algorytmu FP-growth nad algorytmem Apriori.
Author Katarzyna Ignatiuk (FME)
Katarzyna Ignatiuk,,
- Faculty of Mechanical Engineering
Pages37-45
Publication size in sheets0.5
Book Nyćkowiak Jędrzej, Leśny Jacek (eds.): Badania i Rozwój Młodych Naukowców w Polsce: Nauki techniczne i inżynieryjne. Cz. 2, 2019, Młodzi Naukowcy, ISBN 978-83-66392-43-4, [978-83-66392-44-1], 196 p.
Keywords in PolishApriori, FP-growth, Eclat
Internal identifierROC 19-20
Languagepl polski
Score (nominal)5
Score sourcepublisherList
ScoreMinisterial score = 5.0, 29-10-2019, MonographChapterAuthor
Citation count*
Cite
Share Share

Get link to the record


* presented citation count is obtained through Internet information analysis and it is close to the number calculated by the Publish or Perish system.
Back
Confirmation
Are you sure?