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
Identifikátory výsledku
Kód výsledku v IS VaVaI
Výsledek na webu
—
DOI - Digital Object Identifier
—
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
Projekt
Návaznosti
Z - Vyzkumny zamer (s odkazem do CEZ)
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
CEP
IN - Informatika
Rok uplatnění
2008