Abstract
Пропонується метод фільтрації набору асоціативних правил, отриманих у результаті пошуку логічних залежностей. Кількість знайдених асоціативних правил за умови встановлених рівнів підтримки та довіри може бути досить великою й потребує скорочення. Метод дозволяє працювати з так званими "цікавими" правилами, які мають такі рівні підтримки та довіри, які значно відрізняються від очікуваних. Очікувані параметри розраховуються виходячи з припущення про незалежність ознак, що входять до лівої частини правила. Показано, як змінюються рівні підтримки та довіри "цікавих" асоціативних правил за умови залежності ознак в даних, які аналізуються.
Publisher
Ivan Kozhedub Kharkiv National Air Force University KNAFU
Reference25 articles.
1. Agrawal R. Fast algorithms for mining association rules / R. Agrawal, R.Srikant // Proceedings of the 20th VLDB Conference Santiago. – Chile, September 1994. – Р. 487-499.
2. Agrawal R. Mining generalized association rules / R. Agrawal, R.Srikant // Proceedings of the 21th VLDB Conference Zurich. – Swizerland, September 1995. – P. 407-419.
3. WizWhy user's guide. – URL: https://www.wizsoft.com/n/downloads/User_Manual_WizWhy_4.pdf.
4. A Novel Method of Interestingness Measures for Association Rules Mining Based on Profit / Chunhua Ju, Fuguang Bao, Chonghuan Xu, Xiaokang Fu // Hindawi Publishing Corporation Discrete Dynamics in Nature and Society. – 2015. – Vol. 2015. http://dx.doi.org/10.1155/2015/868634.
5. Victor S.P. Effective measures in Association Rule Mining / S.P. Victor, J.R. Jeba // International Journal of Scientific & Engineering Research. – 2012. – Vol. 3, Issue 8.