Random rules from data streams
Identifikátory výsledku
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>
Alternativní jazyky
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.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
IN - Informatika
OECD FORD obor
—
Návaznosti výsledku
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)
Ostatní
Rok uplatnění
2013
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
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
—