×

标准化关联规则的提升。 (英语) Zbl 1452.62097号

摘要:关联规则的提升经常被用来衡量规则的趣味性,无论是在其本身还是在公式中作为组件。lift可能采用的值范围用于标准化lift,从而更有效地衡量趣味性。该标准化被扩展到考虑最小支持和置信阈值。提出了一种通过升力及其上下限之间的关系来可视化标准升力的方法。在大学申请数据和社会调查问卷数据中,证明了标准化电梯作为兴趣度测量的应用。在后一种情况下,否定被引入到挖掘范式中,并对此提出了一个论点。这个论点包括量化考虑否定时产生的额外规则的数量。

MSC公司:

62-08 统计学相关问题的计算方法
62H20个 关联度量(相关性、典型相关性等)
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] Agrawal,R.,Imielinski,T.,Swami,A.,1993大型数据库中项目集之间的关联规则挖掘,收录于:ACM SIGMOD国际数据管理会议。美国华盛顿特区;Agrawal,R.,Imielinski,T.,Swami,A.,1993大型数据库中项目集之间的关联规则挖掘,收录于:ACM SIGMOD国际数据管理会议。美国华盛顿特区
[2] Agrawal,R.、Srikant,R.,1994年。大型数据库中关联规则挖掘的快速算法,收录于:第20届超大数据库国际会议。智利圣地亚哥;Agrawal,R.、Srikant,R.,1994年。大型数据库中挖掘关联规则的快速算法,载于:第20届超大数据库国际会议。智利圣地亚哥
[3] 巴托洛缪,D。;德梅内泽斯,L。;Tzamourani,P.,《应用于调查数据的潜在特征和潜在阶级模型》(Rost,J.;Langeheine,R.,《潜在特征和隐含阶级模型在社会科学中的应用》(1997),Waxmann:Waxmann-Münster)
[4] Bartholomew,D.J.,估计潜在变量之间的关系,Sankhyá,印度统计杂志。系列A,55,409-419(1991)·Zbl 0806.62058号
[5] 巴托洛缪,D.J。;Schuessler,K.F.,基于潜在特质模型的态度得分的可靠性,社会学方法论,2197-123(1991)
[6] 巴托洛缪,D。;Knott,M.,(潜在变量模型和因子分析。潜在变量模型与因子分析,肯德尔统计图书馆(1999),阿诺德:阿诺德伦敦)·Zbl 1066.62528号
[7] Borgelt,C.,2003年。高效实现apriori和eclat,in:频繁项集挖掘实现研讨会。美国佛罗里达州;Borgelt,C.,2003年。高效实现apriori和eclat,in:频繁项集挖掘实现研讨会。美国佛罗里达州
[8] Borgelt,C.和Kruse,R.,2002年。关联规则归纳:Apriori实现,第15届COMPSTAT会议。德国柏林;Borgelt,C.,Kruse,R.,2002年。关联规则归纳:Apriori实现,第15届COMPSTAT会议。德国柏林
[9] de Menezes,L.M。;Bartholomew,D.J.,《潜在结构分析应用于社会态度的新发展》,《皇家统计学会杂志》。系列A,159,213-224(1996)
[10] Dong,G.,Li,J.,1998年。发现的关联规则在基于邻域的意外方面的有趣之处,参见:亚太知识发现和数据挖掘会议;Dong,G.,Li,J.,1998年。发现的关联规则在基于邻域的意外方面的有趣之处,参见:亚太知识发现和数据挖掘会议
[11] Fréchet,M.,Sur les tableaux de corrulation don les marges sont donnes,《里昂大学年鉴》,《数学与天文学科学》,第14期,第53-77页(1951年)·Zbl 0045.22905号
[12] Gan,M.,Zhang,M.-Y.,Wang,S.-W.,2005年。负关联规则和相应挖掘算法的一种扩展形式,见:《2005年机器学习和控制论国际会议论文集》,第3卷,第1716-1721页;Gan,M.,Zhang,M.-Y.,Wang,S.-W.,2005年。负关联规则和相应挖掘算法的一种扩展形式,见:《2005年机器学习和控制论国际会议论文集》,第3卷,第1716-1721页
[13] Gray,B.,Orlowska,M.,1998年。CCAIIA:将类别属性聚类为有趣的关联规则,in:太平洋亚洲知识发现和数据挖掘会议;Gray,B.,Orlowska,M.,1998年。CCAIIA:将类别属性聚类为有趣的关联规则,in:亚太知识发现和数据挖掘会议
[14] Hahsler,M.,Gruen,B.,Hornik,K.,2005年。Arules:挖掘关联规则和常见项集。R包版本0.2-4;Hahsler,M.,Gruen,B.,Hornik,K.,2005年。Arules:挖掘关联规则和常见项集。R包版本0.2-4
[15] 哈斯蒂,T。;Tibshirani,R。;Friedman,J.,《统计学习的要素》(2001),Springer:Springer New York
[16] 希普,J。;Güntzer,美国。;Nakhaeizadeh,G.,关联规则的数据挖掘和数据库中的知识发现过程,(数据挖掘工业会议(2002),Springer-Verlag:Springer-Verlag London,UK),15-36·Zbl 1063.68630号
[17] 霍夫曼,H。;Wilhelm,A.,关联规则的视觉比较,计算统计学,16,3,399-415(2001)·Zbl 1007.62002号
[18] 克雷布斯,D。;Schuessler,K.F.,《Soziale Empfindungen:ein interkultureller Skalenvergleich bei Deutschen und Amerikanern》(1987年),专著:Sozialwisenschaftlich Methoden,《校园Verlag:专著:索齐亚维森沙特利希方法》,法兰克福校园,米兰和纽约
[19] McNicholas,P.D.,CAO数据的关联规则分析,爱尔兰统计与社会调查学会杂志,36(2007)
[20] R开发核心团队,R:统计计算的语言和环境(2006),R统计计算基金会:R统计计算基础,奥地利维也纳
[21] Savasere,A.,Omecinski,E.,Navathe,S.,1998年。在大型客户交易数据库中挖掘强负面关联,见:第14届国际数据工程会议,美国佛罗里达州,第494-502页;Savasere,A.,Omiecinski,E.,Navathe,S.,1998年。在大型客户交易数据库中挖掘强负面关联,见:第14届国际数据工程会议,美国佛罗里达州,第494-502页
[22] Schuessler,K.F.,(测量社会生活感受。测量社会生活感觉,Jossey-Bass社会和行为科学系列(1982年),Jossey Bass:Jossey-Bass San Francisco)
[23] Silberschatz,A.,Tuzhilin,A.,1995年。关于知识发现中兴趣的主观测量,见:《知识发现和数据挖掘》,第275-281页;Silberschatz,A.,Tuzhilin,A.,1995年。关于知识发现中兴趣的主观测量,见:《知识发现和数据挖掘》,第275-281页
[24] Silverstien,C。;布林,S。;Motwani,R.,《超越市场篮子:将关联规则推广到依赖规则》,数据挖掘和知识发现,239-68(1998)
[25] Thiruvady,D.R.,Webb,G.I.,2004年。使用GRD挖掘大型数据库中的负面规则,收录于:太平洋亚洲知识发现和数据挖掘会议。澳大利亚悉尼,第161-165页;Thiruvady,D.R.,Webb,G.I.,2004年。使用GRD挖掘大型数据库中的负面规则,收录于:太平洋亚洲知识发现和数据挖掘会议。澳大利亚悉尼,第161-165页
[26] Wu,X.,Zhang,C.,Zhanng,S.,2002年。挖掘积极和消极的关联规则,见:第19届机器学习国际会议。澳大利亚悉尼,第658-665页;Wu,X.,Zhang,C.,Zhang,S.,2002年。挖掘积极和消极的关联规则,见:第19届机器学习国际会议。澳大利亚悉尼,第658-665页
[27] 吴,X。;张,C。;Zhang,S.,正负关联规则的高效挖掘,ACM Transactions on Information Systems,22,3,381-405(2004)
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。