Our goal is to automatically detect

Our goal is to automatically detect all dierences between contrasting groups from observational
multivariate data. We seek conjunctions of attributes and values, called contrast sets, that have
dierent levels of support in dierent groups. For example, if we are comparing education groups,
we might nd that P(occupation = sales j PhD) = 2.7%, while P(occupation = sales j Bachelor)
= 15.8%. Alternatively, groups could be based on time with groups falling into dierent years as
shown in Figure 1

ผลลัพธ์ (ไทย) 1:

เป้าหมายของเราคือ erences ดิทั้งหมดระหว่างกลุ่มแตกต่างกันจากการสังเกตการณ์การข้อมูลตัวแปรพหุ เราแสวงหาสันธานของแอตทริบิวต์และค่า ชุด ความคมชัดที่ได้เรียกว่าระดับ erent di สนับสนุนในกลุ่ม erent ดิ ตัวอย่างเช่น ถ้าเราจะเปรียบเทียบกลุ่มการศึกษาเราอาจ nd ที่ P (อาชีพ =เจขายปริญญาเอก) = 2.7% ในขณะที่ P (อาชีพ =ขายเจตรี)= 15.8% หรือ กลุ่มสามารถยึดเวลาในปี erent di เป็นกลุ่มแสดงในรูปที่ 1

ผลลัพธ์ (ไทย) 2:

เป้าหมายของเราคือการตรวจสอบโดยอัตโนมัติทุก di? erences
ระหว่างกลุ่มที่แตกต่างจากการสังเกตข้อมูลหลายตัวแปร เราพยายามที่สันธานของคุณลักษณะและค่านิยมที่เรียกว่าชุดความคมชัดที่มีดิ? ระดับต่างกันของการสนับสนุนในดิ? กลุ่มต่างกัน
ตัวอย่างเช่นถ้าเราจะเปรียบเทียบกลุ่มการศึกษาที่เราอาจจะครั้งที่ P (อาชีพ = ขายเจเอก) = 2.7% ในขณะที่ P (อาชีพ = ขายเจตรี) = 15.8% อีกวิธีหนึ่งคือกลุ่มที่อาจจะขึ้นในเวลาที่มีการตกอยู่ในกลุ่มดิ? ปีที่ต่างกันในขณะที่แสดงในรูปที่1

ผลลัพธ์ (ไทย) 3:

เป้าหมายของเราคือการตรวจสอบโดยอัตโนมัติทั้งหมด ดิ  erences ระหว่างตัดจากกลุ่มข้อมูลตัวแปรพหุแบบ

เราแสวงหาคําสันธานแอตทริบิวต์และค่าชุดเรียกความคมชัดที่
ตี้  erent ระดับของการสนับสนุนใน  erent กลุ่ม ตัวอย่างเช่น ถ้าเราเปรียบเทียบกลุ่มการศึกษา ,
เราอาจ  ND ที่ P ( อาชีพ = ปริญญาเอก J ขาย ) = 2.7% ในขณะที่ P ( อาชีพ = ขาย J จบ )
= 15.8 %อีกวิธีหนึ่งคือ กลุ่มที่ไม่สามารถยึดอยู่กับกลุ่มตกดิ  erent ปี
แสดงในรูปที่ 1