A fruitful direction for future dat

A fruitful direction for future data mining research will be the development of techniques that incorporate privacy concerns. Specifically, we address the following question. Since the primary task in data mining is the development of models about aggregated data, can we develop accurate models without access to precise information in individual data records? We consider the concrete case of building a decision-tree classifier from tredning data in which the values of individual records have been perturbed. The resulting data records look very different from the original records and the distribution of data values is also very different from the original distribution. While it is not possible to accurately estimate original values in individual data records, we propose a-novel reconstruction procedure to accurately estimate the distribution of original data values. By using these reconstructed distributions, we are able to build classifiers whose accuracy is comparable to the accuracy of classifiers built with the original data.

ผลลัพธ์ (ไทย) 1:

ทิศทางประสบวิจัยเหมืองข้อมูลในอนาคตจะมีการพัฒนาเทคนิคที่เกี่ยวข้องความเป็นส่วนตัว โดยเฉพาะ เราคำถามต่อไปนี้ เนื่องจากภารกิจหลักในการทำเหมืองข้อมูลเป็นการพัฒนาแบบจำลองเกี่ยวกับข้อมูลรวม เราสามารถพัฒนารูปแบบถูกต้อง โดยไม่มีการเข้าถึงข้อมูลที่แม่นยำในข้อมูลแต่ละระเบียนหรือไม่ เราพิจารณากรณีคอนกรีตของอาคาร classifier ต้นไม้การตัดสินใจจากข้อมูล tredning มีการ perturbed ค่าของแต่ละเรกคอร์ด ระเบียนข้อมูลผลลัพธ์ที่ได้ดูมากแตกต่างจากข้อมูลเดิม และการกระจายของข้อมูลค่ายังแตกต่างอย่างมากจากการแจกแจงแบบเดิม ในขณะที่ไม่สามารถประเมินค่าเดิมในข้อมูลแต่ละระเบียนได้อย่างถูกต้อง เรานำเสนอขั้นตอนฟื้นฟูเป็นนวนิยายเพื่อประเมินการกระจายของค่าข้อมูลเดิมได้อย่างถูกต้อง โดยใช้การกระจายเหล่านี้สร้างขึ้นใหม่ เราจะสามารถสร้างคำนามภาษาที่ถูกต้องที่จะเทียบได้กับความถูกต้องของคำนามภาษาที่สร้างขึ้น ด้วยข้อมูลเดิม

ผลลัพธ์ (ไทย) 2:

ทิศทางการวิจัยมีผลสำหรับการทำเหมืองข้อมูลในอนาคตจะมีการพัฒนาเทคนิคที่รวมความเป็นส่วนตัว โดยเฉพาะเราอยู่ที่คำถามต่อไปนี้ ตั้งแต่งานหลักในการทำเหมืองข้อมูลคือการพัฒนารูปแบบเกี่ยวกับข้อมูลที่รวบรวมที่เราสามารถพัฒนารูปแบบที่ถูกต้องโดยไม่ต้องเข้าถึงข้อมูลที่แม่นยำในการบันทึกข้อมูลส่วนบุคคลหรือไม่ เราพิจารณากรณีที่เป็นรูปธรรมของการสร้างลักษณนามต้นไม้ตัดสินใจจากข้อมูล tredning ที่ค่านิยมของแต่ละระเบียนได้รับการตกอกตกใจ ระเบียนข้อมูลที่เกิดมีลักษณะที่แตกต่างจากเดิมบันทึกและการกระจายของค่าข้อมูลนี้ยังมีความแตกต่างจากการจัดจำหน่ายเดิม ในขณะที่มันเป็นไปไม่ได้ที่จะต้องประเมินค่าเดิมในบันทึกข้อมูลบุคคลที่เราเสนอนวนิยายขั้นตอนการฟื้นฟูที่จะต้องประเมินค่าการกระจายของข้อมูลเดิม โดยใช้การกระจายสร้างขึ้นใหม่เหล่านี้เราสามารถที่จะสร้างตัวจําแนกที่มีความถูกต้องก็เปรียบได้กับความถูกต้องของตัวจําแนกที่สร้างขึ้นด้วยข้อมูลเดิม

ผลลัพธ์ (ไทย) 3:

ทิศทางมีผลการวิจัยเหมืองข้อมูลในอนาคตจะมีการพัฒนาเทคนิคที่รวมความเป็นส่วนตัว . โดยเฉพาะพวกเราที่อยู่คำถามต่อไปนี้ เพราะงานหลักในการทำเหมืองข้อมูล คือ การพัฒนารูปแบบ เกี่ยวกับ รวมข้อมูล เราสามารถพัฒนารูปแบบถูกต้อง โดยไม่มีการเข้าถึงข้อมูลที่แม่นยำในการบันทึกข้อมูลส่วนบุคคล ?เราพิจารณากรณีคอนกรีตของอาคารโครงสร้างการตัดสินใจแบบจาก tredning ข้อมูลที่ค่าของระเบียนแต่ละได้รับไม่สบายใจ ซึ่งบันทึกข้อมูลลักษณะแตกต่างจากประวัติเดิมและการกระจายของค่าข้อมูลจะแตกต่างกันมากจากเดิมที่จัดจำหน่ายในขณะที่มันเป็นไปไม่ได้ที่จะบอกประมาณค่าเดิมในการบันทึกข้อมูลบุคคล เรานำเสนอ a-novel ฟื้นฟูขั้นตอนที่ถูกต้องประเมินการกระจายของข้อมูลเดิมค่า โดยใช้ข้อมูลการกระจายเหล่านี้ เราจะสามารถสร้างคำที่มีความถูกต้องใกล้เคียงกับความถูกต้องของคำที่สร้างขึ้น กับข้อมูลเดิม