Luận văn ThS: Khảo sát ảnh hưởng của các độ đo lợi ích lên độ chính xác trong bài toán phân lớp dựa trên luật kết hợp
Luận văn Khảo sát ảnh hưởng của các độ đo lợi ích lên độ chính xác trong bài toán phân lớp dựa trên luật kết hợp nghiên cứu thuật toán CAR-Miner và thuật toán CARIM; tìm hiểu về các độ đo lợi ích và kỹ thuật kiểm tra chéo (k-fold crossvalidation); nghiên cứu cách thức áp dụng các độ đo lợi ích để khai thác CARs; thực nghiệm khảo sát các độ đo lợi ích lên độ chính xác trong khai thác CARs.
Mục lục nội dung
1. Mở đầu
1.1 Tính cấp thiết
Gần đây, một phương pháp mới về phân lớp trong khai thác dữ liệu được gọi là phân lớp dựa trên sự kết hợp (CBA), được đưa ra để khai thác luật phân lớp kết hợp (CARs). Phương pháp này thường có độ chính xác cao hơn so với phương pháp C4.5 và ILA. Vì vậy một số thuật toán để khai thác luật phân lớp dựa trên khai thác luật kết hợp được phát triển trong những năm gần đây như: phân lớp dựa trên luật kết hợp đoán trước, phân lớp dựa trên nhiều luật kết hợp, phân lớp dựa trên sự kết hợp, phân lớp đa lớp dựa trên luật kết hợp, v.v. Tuy nhiên những phương pháp trên chỉ tập trung chủ yếu trong việc xây dựng thuật toán phân lớp dựa trên luật kết hợp hoặc xây dựng luật phân lớp mà không thảo luận nhiều về vấn đề thời gian thực thi (khai thác) của các thuật toán. Hơn thế nữa, khai thác phân lớp dựa trên luật kết hợp (CARs) tiêu tốn rất nhiều thời gian bởi vì nó khai thác một tập đầy đủ các luật thỏa ngưỡng. Vì thế, cải thiện thời gian khai thác phân lớp dựa trên luật kết hợp là một trong những vấn đề chính cần được giải quyết.
1.2 Mục tiêu nghiên cứu
Đề tài nghiên cứu thuật toán CAR - Miner, thuật toán CARIM, các độ đo lợi ích và khảo sát ảnh hưởng của các độ đo lợi ích lên độ chính xác trong bài toán phân lớp dựa vào luật kết hợp sử dụng kỹ thuật k - fold crossvalidation.
1.3 Phương pháp nghiên cứu
Tìm hiểu các tài liệu trong và ngoài nước về khai thác luật phân lớp và luật kết hợp. Nghiên cứu thuật toán CAR - Miner trong bài toán phân lớp dựa vào luật kết hợp và áp dụng các độ đo lợi ích đẻ tạo ra các tập luật trong thuật toán CARIM.
Tìm hiểu các độ đo lợi ích và khảo sát ảnh hưởng của các độ đo lợi ích lên độ chính xác trong bài toán phân lớp dựa vào luật kết hợp sử dụng kỹ thuật k - fold cross - validation.
2. Nội dung
2.1 Tổng quan
Khai thác luật phân lớp
Khai thác luật kết hợp
Khai thác luật phân lớp dựa vào khai thác luật kết hợp
Độ đo lợi ích
2.2 Thuật toán CAR-Miner và CARIM
Giới thiệu tổng quan
Các định nghĩa và mệnh đề
Cấu trúc cây MECR
Thuật toán CAR - Miner
Thuật toán CARIM
2.3 Khảo sát ảnh hưởng
k-fold cross-validation
Độ chính xác
Kết quả thực nghiệm
3. Kết luận
Luận văn đã khảo sát ảnh hưởng của các độ đo lợi ích lên độ chính xác trong bài toán phân lớp dựa trên luất kết hợp. Thực tế, các khái niệm này đã được sử dụng riêng rẻ trong các công trình trước đây nhưng lại chưa có khảo sát liên quan đến ảnh hưởng của các độ đo lợi ích lên độ chính xác trong bài toán phân lớp dựa trên luất kết hợp. Một số đóng góp cụ thể như sau:
- Nghiên cứu thuật toán CAR-Miner.
- Nghiên cứu thuật toán CARIM.
- Tìm hiểu về các độ đo lợi ích.
- Tìm hiểu về kỹ thuật kiềm tra chéo (k-fold cross-validation).
- Nghiên cứu cách thức áp dụng các độ đo lợi ích để khai thác CARs.
- Thực nghiệm khảo sát các độ đo lợi ích lên độ chính xác trong khai thác CARs.
4. Tài liệu tham khảo
Ross Quinlan (1986): "Induction of Decision Trees", Machine Learning 1(1), (pp. 81-106).
Gregory Piatetsky-Shapiro (1991): "Discovery, analysis, and presentation of strong rules", Knowledge Discovery in Databases, (pp. 229–248)
Ross Quinlan (1992): "C4.5: programs for machine learning", Machine Learning 16, (pp. 235-240)
Rakesh Agrawal, Ramakrishnan Srikant (1994): "Fast algorithms for mining association rules", in VLDB’94, (pp. 487–499)....
--- Nhấn nút TẢI VỀ hoặc XEM ONLINE để tham khảo đầy đủ nội dung Luận văn trên ---
Tham khảo thêm
- pdf Luận văn ThS: Khai thác Top - rank k cho tập đánh trọng trên cơ sở dữ liệu có trọng số
- pdf Luận văn ThS: Theo dõi đối tượng chuyển động bằng phương pháp lọc tích hợp
- pdf Luận văn ThS: Xây dựng tính năng cảnh báo tấn công trên mã nguồn mở
- pdf Luận văn ThS: Phương pháp phân vùng phân cấp trong khai thác tập phổ biến
- pdf Luận văn ThS: Nhận biết chủ đề của tài liệu dựa trên Wikipedia
- pdf Luận văn ThS: Nén Fractal cho bài toán ẩn dữ liệu
- pdf Luận văn ThS: Khai thác mẫu tuần tự nén
- pdf Luận văn ThS: Sử dụng cây quyết định để phân loại dữ liệu nhiễu
- pdf Luận văn ThS: Kỹ thuật Matrix Factorization trong xây dựng hệ tư vấn
- pdf Luận văn ThS: Khai thác tập mục lợi ích cao
- pdf Luận văn ThS: Một số kỹ thuật kiểm thử an toàn hệ thống
- pdf Luận văn ThS: Khai thác quan điểm của các bình luận tiếng Anh trên mạng xã hội sử dụng phương pháp xử lý ngôn ngữ tự nhiên
- pdf Luận văn ThS: Phát hiện tự động một số lỗi phát âm tiếng Anh của người học
- pdf Luận văn ThS: Ứng dụng khai thác mẫu chuỗi để khai thác hành vi sử dụng web
- pdf Luận văn ThS: Khai thác mẫu phổ biến cực đại trong đồ thị đơn bằng phương pháp so sánh gần đúng
- pdf Luận văn ThS: Khai thác mẫu trọng số phổ biến tối đại trong cơ sở dữ liệu giao dịch
- pdf Luận văn ThS: Một phương pháp bảo toàn tính riêng tư trong khai thác luật kết hợp trên cơ sở dữ liệu phân tán ngang
- pdf Luận văn ThS: Một thuật toán cải tiến trong khai thác luật kết hợp bảo toàn tính riêng tư
- pdf Luận văn ThS: Phân tích dữ liệu tạo cảnh báo học tập bằng mô hình hồi quy Logistic
- pdf Luận văn ThS: Sử dụng hồi quy tuyến tính trong dự đoán mức lương công việc trên quảng cáo tuyển dụng
- pdf Luận văn ThS: Khai thác song song tập phổ biến dựa trên mảng Systolic
- pdf Luận văn ThS: Nghiên cứu phương án tỉa ứng viên trong khai thác tập hữu ích cao
- pdf Luận văn ThS: Phân đoạn đối tượng trong ảnh MRI
