Random rules from data streams

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216224%3A14330%2F13%3A00068420" target="_blank" >RIV/00216224:14330/13:00068420 - isvavai.cz</a>

Výsledek na webu

<a href="http://dx.doi.org/10.1145/2480362.2480518" target="_blank" >http://dx.doi.org/10.1145/2480362.2480518</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1145/2480362.2480518" target="_blank" >10.1145/2480362.2480518</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Random rules from data streams

Popis výsledku v původním jazyce

Existing works suggest that random inputs and random features produce good results in classification. In this paper we study the problem of generating random rule sets from data streams. One of the most interpretable and flexible models for data stream mining prediction tasks is the Very Fast Decision Rules learner (VFDR). In this work we extend the VFDR algorithm using random rules from data streams. The proposed algorithm generates several sets of rules. Each rule set is associated with a set of Nattattributes. The proposed algorithm maintains all properties required when learning from stationary data streams: online and any-time classification, processing each example once.

Název v anglickém jazyce

Random rules from data streams

Popis výsledku anglicky

Existing works suggest that random inputs and random features produce good results in classification. In this paper we study the problem of generating random rule sets from data streams. One of the most interpretable and flexible models for data stream mining prediction tasks is the Very Fast Decision Rules learner (VFDR). In this work we extend the VFDR algorithm using random rules from data streams. The proposed algorithm generates several sets of rules. Each rule set is associated with a set of Nattattributes. The proposed algorithm maintains all properties required when learning from stationary data streams: online and any-time classification, processing each example once.

Druh

D - Stať ve sborníku

CEP obor

IN - Informatika

OECD FORD obor

—

Projekt

<a href="/cs/project/LG13010" target="_blank" >LG13010: Zastoupení ČR v European Research Consortium for Informatics and Mathematics</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2013

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Proceedings of the 28th Annual ACM Symposium on Applied Computing, SAC '13

ISBN

9781450316569

ISSN

—

e-ISSN

—

Počet stran výsledku

2

Strana od-do

813-814

Název nakladatele

ACM

Místo vydání

New York, NY, USA

Místo konání akce

Coimbra, Portugal

Datum konání akce

1. 1. 2013

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—