李，泰托；松岛，Shin；Kenji Yamanishi 使用频繁项集挖掘嫁接组合二进制模型。 （英语） 兹比尔1458.68172 数据最小知识。发现。 34，第1期，101-123（2020年）. 摘要：我们考虑二元属性的所有逻辑连接上的线性预测器类，在本文中我们称之为组合二元模型类。基于内容的建模具有很高的知识可解释性，但从标记数据中对其进行幼稚的学习，就连词的长度而言，需要指数级的计算成本。另一方面，在大规模数据集的情况下，长连词对于学习预测因子是有效的。为了克服这一计算困难，我们提出了一种算法，二进制数据集的GRABGRAB的核心思想是对嫁接算法中最耗时的一步采用加权频繁项集挖掘，该算法旨在通过迭代方法求解大规模的L_1-RERM问题。此外，我们的实验表明，CBM的线性预测因子在预测准确性和知识发现方面是有效的。 MSC公司： 68T05型 人工智能中的学习和自适应系统 关键词：组合布尔模型；稀疏学习；知识发现；频繁项集 软件：XGBoost公司；阿达·布斯特。MH公司；Scikit公司；4.5条；形状；PRMLT公司；生命周期管理；UCI-毫升；LIBLINEAR银行 PDF格式BibTeX公司 XML格式引用 \textit{T.Lee}等人，Data Min.Knowl。发现。34，第1号，101-123（2020；Zbl 1458.68172） 全文： 内政部 参考文献： [1] Agrawal R，Srikant R（1994）挖掘关联规则的快速算法。摘自：第20届超大数据库国际会议论文集，第487-499页 [2] 艾森斯坦，H。；Pitt，L.，《论析取范式公式的可学习性》，《马赫学习》，第19、3、183-208页（1995年）·Zbl 0831.68094号 [3] 安德鲁，V。；尤齐洛夫，Jmk；Mathews，Dh，根据预测的二级结构形成自由能变化检测非编码RNA，BMC Bioninform，7，1，173（2006）·doi:10.1186/1471-2105-7-173 [4] 巴尔迪，P。；萨多夫斯基，P。；Whiteson，D.，《通过深度学习在高能物理中寻找奇异粒子》，Nat Commun，54308（2014）·doi:10.1038/ncomms5308 [5] Bayardo RJ Jr（1998）从数据库中高效挖掘长模式。摘自：1998年ACM SIGMOD国际数据管理会议记录，第85-93页 [6] Bishop，Cm，模式识别和机器学习（信息科学和统计）（2006年），Secaucus:Springer-Verlag New York Inc.，Secaucs·Zbl 1107.68072号 [7] 布雷曼，L。；弗里德曼，J。；斯通，Cj；Olshen，Ra，分类和回归树（1984），博卡拉顿：CRC出版社，博卡拉顿·Zbl 0541.62042号 [8] Bshouty，Nh，通过单调理论精确学习布尔函数，Inf Compute，123，1，146-153（1995）·Zbl 1096.68634号 ·doi:10.1006/inco.1995.1164 [9] Chen T，Guestrin C（2016）XGBoost：一个可扩展的树木提升系统。摘自：第22届ACM SIGKDD知识发现和数据挖掘国际会议论文集，美国纽约州纽约市ACM，KDD’16，第785-794页。doi:10.1145/2939672.29339785 [10] Cheng H，Yan X，Han J，Hsu CW（2007）有效分类的判别频繁模式分析。在：2007年IEEE第23届数据工程国际会议论文集。IEEE，第716-725页 [11] 科洛伯特，R。；Bengio，S。；Bengio，Y.，用于超大规模问题的SVM并行混合，神经计算，14，5，1105-1114（2002）·兹比尔1003.68135 ·doi:10.1162/089976602753633402 [12] Dantzig，Gb；Wolfe，P.，线性规划的分解原理，Oper Res，8，1，101-111（1960）·Zbl 0093.32806号 ·doi:10.1287/opre.8.1.101 [13] Desaulniers，G。；脱硅剂，J。；所罗门，Mm，专栏生成（2006），柏林：施普林格，柏林 [14] Deshpande，M。；Kuramochi，M。；北威尔士。；Karypis，G.，《基于频繁子结构的化合物分类方法》，IEEE Trans-Knowl Data Eng，17，8，1036-1050（2005）·doi:10.1109/TKDE.2005.127 [15] 风扇，Re；Chang，Kw；谢长廷；王，Xr；Lin，Cj，LIBLINEAR:大型线性分类库，J Mach Learn Res，1871-1874年8月9日（2008）·Zbl 1225.68175号 [16] 盖恩，I。；Gunn，S。；Ben-Hur，A。；Dror，G.，NIPS 2003特征选择挑战的结果分析，Adv Neural Inf Process Syst，17545-552（2005） [17] Ho-TK（1995）随机决策森林。摘自：第三届文件分析和识别国际会议记录，第1卷。IEEE，第278-282页 [18] Ho，Tk，构建决策林的随机子空间方法，IEEE Trans-Pattern Ana Mach Intell，20,8832-844（1998）·数字对象标识代码：10.1109/34.709601 [19] Ho TK，Kleinberg EM（1996）构建任意复杂度的可投影分类器。摘自：第13届模式识别国际会议论文集，第2卷。IEEE，第880-885页 [20] 工藤，T。；Maeda，E。；Matsumoto，Y.，《增强在图形分类中的应用》，高级神经信息处理系统，17，729-736（2004） [21] Lichman M（2013）UCI机器学习库。http://archive.ics.uci.edu/ml。2019年8月30日访问 [22] 伦德伯格（Sm Lundberg）；Lee，Si，解释模型预测的统一方法，Adv Neural Inf Process Syst，304765-4774（2017） [23] 佩德雷戈萨，F。；瓦罗佐，G。；Gramfort，A。；米歇尔，V。；蒂里昂，B。；O.格栅。；布隆德尔，M。；普雷滕霍弗，P。；韦斯，R。；Dubourg，V.公司。；范德普拉斯，J。；帕索斯，A。；库纳波，D。；布鲁彻，M。；佩罗，M。；Duchesnay，E.，Scikit-learn:Python中的机器学习，J Mach learn Res，122825-2830（2011）·Zbl 1280.68189号 [24] Perkins，S。；拉克，K。；Theiler，J.，《嫁接：通过函数空间中的梯度下降进行快速增量特征选择》，J Mach Learn Res，31333-1356（2003）·兹比尔1102.68578 [25] Platt JC（1999）《内核方法的进展》。麻省理工学院出版社，马萨诸塞州剑桥，美国。使用序列最小优化的支持向量机快速训练章节，第185-208页 [26] Prokhorov D（2001）IJCNN 2001神经网络竞赛。在：2001年国际神经网络联合会议上的幻灯片演示。http://www.geocities.ws/ijcnn/nnc_ijcnn01.pdf。2019年8月30日访问 [27] Quinlan，Jr，C4.5：机器学习程序（1993），伯灵顿：摩根考夫曼出版社 [28] Ribeiro MT、Singh S、Guestrin C（2016）我为什么要信任你？解释任何分类器的预测。摘自：第22届ACM SIGKDD知识发现和数据挖掘国际会议记录，第1135-1144页 [29] 里什，I。；Grabarnik，G.，《稀疏建模：理论、算法和应用》（2014），博卡拉顿：CRC出版社，博卡拉通 [30] Saigo，H。；Uno，T。；Tsuda，K.，挖掘复杂基因型特征预测HIV-1耐药性，生物信息学，23，18，2455-2462（2007）·doi:10.1093/bioinformatics/btm353 [31] 夏皮雷，Re；Freund，Y.，《Boosting:基础与算法》（2012），剑桥：麻省理工学院出版社，剑桥·Zbl 1278.68021号 [32] 肖-泰勒，J。；Cristianini，N.，《模式分析的内核方法》（2004），纽约：剑桥大学出版社，纽约 [33] Tsuda K，Kudo T（2006）加权子结构挖掘聚类图。摘自：第23届机器学习国际会议记录，第953-960页 [34] Uno T，Asai T，Uchida Y，Arimura H（2003）LCM：一种枚举频繁闭项集的有效算法。收录：关于频繁项集挖掘实现的第三届IEEE数据挖掘国际会议论文集，见CEUR研讨会论文集，第90卷。http://ceur-ws.org/Vol-90/。2019年8月30日访问 [35] Uno T，Kiyomi M，Arimura H（2004）LCM第2版：频繁/闭合/最大项集的高效挖掘算法。收录：第四届IEEE数据挖掘国际会议关于频繁项集挖掘实现的会议记录，可作为CEUR研讨会记录，第126卷查阅。http://ceur-ws.org/Vol-126/。2019年8月30日访问 [36] Uno T，Kiyomi M，Arimura H（2005）LCM第3版：数组、位图和前缀树的协作，用于频繁项集挖掘。摘自：第一届开源数据挖掘国际研讨会论文集：频繁模式挖掘实现，第77-86页 [37] Zaki MJ，Parthasarathy S，Ogihara M，Li W（1997）关联规则快速发现的新算法。摘自：第三届知识发现和数据挖掘国际会议记录，第283-286页 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。