AbstractA fundamental task in data

Abstract
A fundamental task in data analysis is understanding the dierences between several contrasting
groups. These groups can represent dierent classes of ob jects, such as male or female
students, or the same group over time, e.g. freshman students in 1993 through 1998. We
present the problem of mining contrast sets: conjunctions of attributes and values that dier
meaningfully in their distribution across groups. We provide a search algorithm for mining
contrast sets with pruning rules that drastically reduce the computational complexity. Once
the contrast sets are found, we post-process the results to present a subset that are surprising
to the user given what we have already shown. We explicitly control the probability of Type
I error (false positives) and guarantee a maximum error rate for the entire analysis by using
Bonferroni corrections

ผลลัพธ์ (ไทย) 1:

บทคัดย่องานพื้นฐานในการวิเคราะห์ข้อมูลทำความเข้าใจ erences di ระหว่างหลายห้องกลุ่ม กลุ่มเหล่านี้สามารถแสดงประเภท erent di jects ob เช่นเพศชายหรือเพศหญิงนักเรียน หรือกลุ่มเดียวกันช่วงเวลา เช่นนักเรียนวิชาฯ ในปี 1993 ถึง 1998 เรานำเสนอปัญหาของการทำเหมืองแร่การตั้งค่าความคมชัด: สันธานของแอตทริบิวต์ และค่า di ที่เอ้อในการกระจายในกลุ่มมา เรามีอัลกอริทึมการค้นหาสำหรับการทำเหมืองแร่ความแตกต่างตั้งค่ากฎการตัดที่ลดความซับซ้อนของการคำนวณ ครั้งพบชุดคม เราหลังประมวลผลเพื่อแสดงชุดย่อยที่น่าแปลกใจผู้ใช้กำหนดที่เราได้แสดงให้เห็นแล้ว เราควบคุมความน่าเป็นชนิดอย่างชัดเจนฉันผิดพลาด (false ทำงานผิดพลาด) และรับประกันอัตราข้อผิดพลาดสูงสุดสำหรับการวิเคราะห์ทั้งหมดโดยแก้ไข Bonferroni

ผลลัพธ์ (ไทย) 2:

บทคัดย่องานพื้นฐานในการวิเคราะห์ข้อมูลคือการทำความเข้าใจ di หรือไม่ erences ระหว่างตัดกันหลายกลุ่ม กลุ่มคนเหล่านี้สามารถเป็นตัวแทนของดิชั้นเรียนต่างกันของ jects อบเช่นชายหรือหญิง? นักเรียนหรือกลุ่มเดียวกันในช่วงเวลาเช่นนักเรียนนักศึกษาในปี 1993 ผ่านปี 1998 เรานำเสนอปัญหาของชุดตรงกันข้ามการทำเหมืองแร่: สันธานของคุณลักษณะและค่าที่ดิ ? เอ้อมีความหมายในการจัดจำหน่ายในกลุ่มของพวกเขา เราให้บริการอัลกอริทึมการค้นหาสำหรับการทำเหมืองชุดตรงกันข้ามกับกฎการตัดแต่งกิ่งที่ลดความซับซ้อนของการคำนวณ เมื่อชุดความคมชัดจะพบว่าเราโพสต์ผลการกระบวนการที่จะนำเสนอส่วนหนึ่งที่เป็นที่น่าแปลกใจให้กับผู้ที่ได้รับสิ่งที่เราได้แสดงให้เห็นแล้ว เราควบคุมอย่างชัดเจนน่าจะเป็นของประเภทความผิดพลาด (บวกเท็จ) และรับประกันอัตราความผิดพลาดสูงสุดสำหรับการวิเคราะห์โดยใช้ทั้งการแก้ไข Bonferroni

ผลลัพธ์ (ไทย) 3:

นามธรรม
งานพื้นฐานในการวิเคราะห์ข้อมูล คือ ความเข้าใจใน  erences ระหว่างหลายตัดกัน
กลุ่ม กลุ่มเหล่านี้สามารถเป็นตัวแทนของ ดิ  erent คลาสออบชายหรือหญิง Corintec รากฐาน ที่ devellopping โครงการเพื่อสังคม เช่น
นักเรียนหรือกลุ่มเดียวกันตลอดเวลา เช่น นิสิตชั้นปีที่ 1 ในปี 1993 ถึง 1998 เรา
ปัจจุบันปัญหาเหมืองแร่ความคมชัดชุด : คำสันธานแอตทริบิวต์และคุณค่าที่ดิ  เอ้อ
มีความหมายในการกระจายของพวกเขาในกลุ่ม เราให้บริการค้นหาสำหรับเหมืองแร่
ชุดกฎที่ตรงกันข้ามกับการลดความซับซ้อนในการคำนวณ เมื่อ
ความคมชัดชุดพบ เราโพสต์กระบวนการผลลัพธ์ปัจจุบันบางส่วนที่น่าแปลกใจ
ให้ผู้ใช้ได้รับสิ่งที่เราได้แสดง เราควบคุมความคลาดเคลื่อนประเภท
อย่างชัดเจนความผิดพลาด ( บวกเท็จ ) และรับประกันอัตราความคลาดเคลื่อนสูงสุดสำหรับการวิเคราะห์ทั้งหมดโดยใช้
บอนเฟอร์โรนีแก้ไข