• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Journal of Intelligent Information Systems >Efficient redundancy reduced subgroup discovery via quadratic programming
【24h】

Efficient redundancy reduced subgroup discovery via quadratic programming

机译：通过二次编程，有效的冗余减少了子组发现

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Subgroup discovery is a task at the intersection of predictive and descriptive induction, aiming at identifying subgroups that have the most unusual statistical (distributional) characteristics with respect to a property of interest. Although a great deal of work has been devoted to the topic, one remaining problem concerns the redundancy of subgroup descriptions, which often effectively convey very similar information. In this paper, we propose a quadratic programming based approach to reduce the amount of redundancy in the subgroup rules. Experimental results on 12 datasets show that the resulting subgroups are in fact less redundant compared to standard methods. In addition, our experiments show that the computational costs are significantly lower than the costs of other methods compared in the paper.
机译：子组发现是在预测性和描述性归纳相交处的一项任务，旨在确定就感兴趣的属性而言具有最不寻常的统计（分布）特征的子组。尽管针对该主题进行了大量工作，但是仍然存在一个问题，涉及子组描述的冗余，这些子组描述通常有效地传达了非常相似的信息。在本文中，我们提出了一种基于二次规划的方法，以减少子组规则中的冗余量。对12个数据集的实验结果表明，与标准方法相比，所得子组实际上没有那么多冗余。另外，我们的实验表明，与本文相比，计算成本明显低于其他方法的成本。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号