QCBA: improving rule classifiers learned from quantitative data by recovering information lost by discretisation

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61384399%3A31140%2F23%3A00059034" target="_blank" >RIV/61384399:31140/23:00059034 - isvavai.cz</a>

Výsledek na webu

<a href="https://link.springer.com/article/10.1007/s10489-022-04370-x" target="_blank" >https://link.springer.com/article/10.1007/s10489-022-04370-x</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1007/s10489-022-04370-x" target="_blank" >10.1007/s10489-022-04370-x</a>

Jazyk výsledku

angličtina

Název v původním jazyce

QCBA: improving rule classifiers learned from quantitative data by recovering information lost by discretisation

Popis výsledku v původním jazyce

Main topics of the document: association rule classification; CBA; quantitative association rule learning; rule list optimisation; interpretable machine learning

Název v anglickém jazyce

QCBA: improving rule classifiers learned from quantitative data by recovering information lost by discretisation

Popis výsledku anglicky

Main topics of the document: association rule classification; CBA; quantitative association rule learning; rule list optimisation; interpretable machine learning

Druh

J_imp - Článek v periodiku v databázi Web of Science

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

—

Návaznosti

S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2023

Kód důvěrnosti údajů

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

Název periodika

Applied intelligence

ISSN

0924-669X

e-ISSN

1573-7497

Svazek periodika

53

Číslo periodika v rámci svazku

1

Stát vydavatele periodika

DE - Spolková republika Německo

Počet stran výsledku

31

Strana od-do

20797-20827

Kód UT WoS článku

000972745500001

EID výsledku v databázi Scopus

2-s2.0-85153281614