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 anovel
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:

ทิศทางสำหรับการวิจัยการทำเหมืองข้อมูลในอนาคตประสบ จะมีการพัฒนาเทคนิคที่เกี่ยวข้องความเป็นส่วนตัว โดยเฉพาะ เราคำถามต่อไปนี้ เนื่องจากงานหลักในการทำเหมืองข้อมูลเป็นการพัฒนา แบบจำลองเกี่ยวกับรวมข้อมูล สามารถเราพัฒนาแบบถูกต้องไม่ถึงละเอียด ข้อมูลในข้อมูลแต่ละระเบียนหรือไม่ เราพิจารณากรณีคอนกรีตของอาคาร classifier ต้นไม้การตัดสินใจ จากข้อมูล tredning ที่มีการ perturbed ค่าของแต่ละเรกคอร์ด ระเบียนข้อมูลผลลัพธ์ที่ได้ ดูมากแตกต่างจากข้อมูลเดิมและการกระจายของข้อมูลค่ามากแตกต่างจากการกระจายเดิมยังอยู่ ในขณะที่ไม่สามารถประเมินค่าเดิมในข้อมูลแต่ละระเบียนได้อย่างถูกต้อง เราเสนอ anovel กระบวนการฟื้นฟูเพื่อประเมินการกระจายของค่าข้อมูลเดิมได้อย่างถูกต้อง โดยเหล่านี้สร้างขึ้นใหม่ การกระจาย เราจะสามารถสร้างคำนามภาษาที่ถูกต้องที่จะเทียบได้กับความถูกต้องของคำนามภาษาที่สร้างขึ้น ด้วยข้อมูลเดิม

ผลลัพธ์ (ไทย) 2:

ทิศทางการวิจัยมีผลสำหรับการทำเหมืองข้อมูลในอนาคต
จะมีการพัฒนาเทคนิคที่รวมความเป็นส่วนตัว.
โดยเฉพาะเราอยู่ที่คำถามต่อไปนี้ ตั้งแต่งานหลักในการทำเหมืองข้อมูลคือการพัฒนา
รูปแบบเกี่ยวกับข้อมูลที่รวบรวมเราสามารถพัฒนารูปแบบที่ถูกต้องโดยไม่ต้องเข้าถึงได้อย่างแม่นยำ
ข้อมูลในบันทึกข้อมูลส่วนบุคคลหรือไม่ เราพิจารณากรณีที่เป็นรูปธรรมของการสร้างลักษณนามต้นไม้ตัดสินใจ
จากข้อมูล tredning ที่ค่านิยมของแต่ละระเบียนได้รับการตกอกตกใจ ระเบียนข้อมูลที่เกิด
มีลักษณะที่แตกต่างจากเดิมบันทึกและการกระจายของค่าข้อมูลนี้ยังมีความแตกต่างจากการจัดจำหน่ายเดิม.
ในขณะที่มันเป็นไปไม่ได้ที่จะต้องประเมินค่าเดิมในบันทึกข้อมูลบุคคลที่เราเสนอ anovel
ขั้นตอนการฟื้นฟูที่จะต้องประเมิน การกระจายตัวของค่าข้อมูลเดิม โดยใช้สร้างขึ้นใหม่เหล่านี้
กระจายเรามีความสามารถที่จะสร้างตัวจําแนกที่มีความถูกต้องก็เปรียบได้กับความถูกต้องของตัวจําแนกที่สร้างขึ้นด้วยข้อมูลเดิม

ผลลัพธ์ (ไทย) 3:

ทิศทางมีผลในอนาคตการทำเหมืองข้อมูลการวิจัย
จะมีการพัฒนาเทคนิคที่รวมความเป็นส่วนตัว .
โดยเฉพาะพวกเราที่อยู่คำถามต่อไปนี้ เนื่องจากภารกิจหลักในการทําเหมืองข้อมูล คือการพัฒนา
รูปแบบเกี่ยวกับข้อมูลรวม เราสามารถพัฒนารูปแบบถูกต้อง โดยไม่มีการเข้าถึงข้อมูลที่ชัดเจน
ในบันทึกข้อมูลส่วนบุคคล ?เราพิจารณากรณีคอนกรีตของอาคารโครงสร้างการตัดสินใจแบบ
จาก tredning ข้อมูลที่ค่าของข้อมูลส่วนบุคคลได้รับการกระสับกระส่าย ส่งผลให้ข้อมูลประวัติ
ดูแตกต่างจากประวัติเดิมและการกระจายของค่าข้อมูลจะแตกต่างกันมากจากเดิมที่จัดจำหน่าย
ในขณะที่มันเป็นไปไม่ได้ที่จะบอกประมาณค่าเดิมในการบันทึกข้อมูลบุคคล เรานำเสนอ anovel
ฟื้นฟูขั้นตอนที่ถูกต้องประเมินการกระจายของข้อมูลเดิมค่า โดยใช้เหล่านี้สร้าง
การแจกแจง เราจะสามารถสร้างคำที่มีความถูกต้องใกล้เคียงกับความถูกต้องของคำที่สร้างขึ้น กับข้อมูลเดิม