Vše
Vše

Co hledáte?

Vše
Projekty
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Míry kvality souborů pravidel získávaných z dat

Popis výsledku

Článek se zabývá mírami kvality celých souborů pravidel získávaných z dat, jako protikladem k běžněji používaným mírám jednotlivých pravidel. Článek podává stručný přehled typů metod získávání pravidel z dat a typů souborů pravidel a připomíná, že míry kvality celých souborů pravidel se doposud používaly pouze v případě klasifikačních pravidel. Potom navrhuje tři možné způsoby jak takové míry mohou být rozšířeny na obecné soubory pravidel.

Klíčová slova

ruleset quality measuresgeneralized ROC curves

Identifikátory výsledku

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Measures of Quality of Rulesets Extracted from Data

  • Popis výsledku v původním jazyce

    The paper deals with quality measures of whole sets of rules extracted from data, as a counterpart to more commonly used measures of individual rules. This research has been motivated by increasingly frequent extraction of non-classification rules, suchas association rules and rules of observational logic, in real-world data mining tasks. The paper sketches the typology of rules extraction methods and of their rulesets, and recalls that quality measures for whole sets of rules have been so far used only in the case of classification rulesets. It then proposes three possible ways how such measures can be extended to general rulesets. The paper also recalls the possibility to measure the dependence of classification ruleset on parameters of the classification method by means of ROC curves, and proposes a generalization of ROC curves to general rulesets. Finally, a brief illustration on rulesets extracted by means of the method GUHA is given.

  • Název v anglickém jazyce

    Measures of Quality of Rulesets Extracted from Data

  • Popis výsledku anglicky

    The paper deals with quality measures of whole sets of rules extracted from data, as a counterpart to more commonly used measures of individual rules. This research has been motivated by increasingly frequent extraction of non-classification rules, suchas association rules and rules of observational logic, in real-world data mining tasks. The paper sketches the typology of rules extraction methods and of their rulesets, and recalls that quality measures for whole sets of rules have been so far used only in the case of classification rulesets. It then proposes three possible ways how such measures can be extended to general rulesets. The paper also recalls the possibility to measure the dependence of classification ruleset on parameters of the classification method by means of ROC curves, and proposes a generalization of ROC curves to general rulesets. Finally, a brief illustration on rulesets extracted by means of the method GUHA is given.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

    IN - Informatika

  • OECD FORD obor

Návaznosti výsledku

Ostatní

  • Rok uplatnění

    2008

  • 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

    Information Technologies - Applications and Theory

  • ISBN

    978-80-969184-9-2

  • ISSN

  • e-ISSN

  • Počet stran výsledku

    7

  • Strana od-do

  • Název nakladatele

    Prírodovedecká fakulta, Univerzita P.J. Šafárika

  • Místo vydání

    Košice

  • Místo konání akce

    Hrebienok

  • Datum konání akce

    22. 9. 2008

  • Typ akce podle státní příslušnosti

    EUR - Evropská akce

  • Kód UT WoS článku

Základní informace

Druh výsledku

D - Stať ve sborníku

D

CEP

IN - Informatika

Rok uplatnění

2008