Previous studies propose that assoc

Previous studies propose that associative classification has high classification accuracy and strong flexibility at handling unstructured data. However, it still suffers from the huge set of mined rules and sometimes biased classification or overfitting since the classification is based on only a single high-confidence rule. The authors propose a new associative classification method, CMAR, i.e., Classification based on Multiple Association Rules. The method extends an efficient frequent pattern mining method, FP-growth, constructs a class distribution-associated FP-tree, and mines large databases efficiently. Moreover, it applies a CR-tree structure to store and retrieve mined association rules efficiently, and prunes rules effectively based on confidence, correlation and database coverage. The classification is performed based on a weighted χ2 analysis using multiple strong association rules. Our extensive experiments on 26 databases from the UCI machine learning database repository show that CMAR is consistent, highly effective at classification of various kinds of databases and has better average classification accuracy in comparison with CBA and C4.5. Moreover, our performance study shows that the method is highly efficient and scalable in comparison with other reported associative classification methods

ผลลัพธ์ (ไทย) 1:

การศึกษาก่อนหน้านี้เสนอว่า ประเภทที่เกี่ยวข้องมีความถูกต้องของการจัดประเภทสูงและแข็งแรงความยืดหยุ่นในการจัดการข้อมูลที่ไม่มีโครงสร้าง อย่างไรก็ตาม มันยังคง suffers จากกฎขุดชุดใหญ่ และความโน้มเอียงบางประเภทหรือ overfitting เนื่องจากการจัดประเภทขึ้นอยู่กับเพียงหนึ่งความมั่นใจสูงกฎ ผู้เขียนเสนอประเภทสัมพันธ์วิธีใหม่ CMAR เช่น การจัดประเภทตามกฎสมาคมหลาย วิธีการขยายวิธีการทำเหมืองแร่รูปแบบบ่อยมีประสิทธิภาพ FP-เติบโต โครงสร้างเป็นชั้นกระจายสัมพันธ์ FP-ทรี และฐานข้อมูลขนาดใหญ่ของเหมืองได้อย่างมีประสิทธิภาพ นอกจากนี้ มี CR-แผนภูมิโครงสร้างการจัดเก็บ และดึงข้อบังคับสมาคมขุดได้อย่างมีประสิทธิภาพ และพรุนกฎได้อย่างมีประสิทธิภาพตามความครอบคลุมความเชื่อมั่น ความสัมพันธ์ และฐานข้อมูล การจัดประเภทจะดำเนินการตามการวิเคราะห์ χ2 ถ่วงน้ำหนักโดยใช้กฎความสัมพันธ์ที่แข็งแกร่งหลาย การทดลองของเราอย่างละเอียดบนฐาน 26 จาก UCI เครื่องเก็บฐานข้อมูลการเรียนรู้แสดงว่า CMAR เป็นสอดคล้องกัน มีประสิทธิภาพสูงในการจัดประเภทของชนิดต่าง ๆ ของฐานข้อมูล และมีความแม่นยำดีกว่าเฉลี่ยประเภทเมื่อเปรียบเทียบกับ CBA และ C4.5 นอกจากนี้ การศึกษาประสิทธิภาพของเราแสดงว่าวิธีมีประสิทธิภาพสูง และสามารถต่อขยายเมื่อเปรียบเทียบกับวิธีการจัดประเภทรายงานที่เกี่ยวข้องอื่น ๆ

ผลลัพธ์ (ไทย) 2:

การศึกษาก่อนหน้าเสนอว่าการจัดหมวดหมู่เชื่อมโยงมีความแม่นยำสูงการจัดหมวดหมู่และมีความยืดหยุ่นที่แข็งแกร่งในการจัดการข้อมูลที่ไม่มีโครงสร้าง แต่ก็ยังคงได้รับความทุกข์จากชุดใหญ่ของกฎการทำเหมืองแร่และการจำแนกลำเอียงหรือบางครั้งตั้งแต่การจัดหมวดหมู่อิงอยู่บนพื้นฐานของการปกครองเพียงความเชื่อมั่นสูงเดียว ผู้เขียนนำเสนอวิธีการจัดหมวดหมู่เชื่อมโยงใหม่ CMAR คือการจำแนกประเภทขึ้นอยู่กับหลายกฎสมาคม วิธีการขยายรูปแบบที่พบบ่อยมีประสิทธิภาพวิธีการทำเหมืองแร่ FP-การเจริญเติบโตสร้างการกระจายที่เกี่ยวข้องระดับ FP-ต้นไม้และเหมืองแร่ได้อย่างมีประสิทธิภาพฐานข้อมูลขนาดใหญ่ นอกจากนี้ยังใช้โครงสร้าง CR-ต้นไม้จัดเก็บและเรียกกฎสมาคมศีลธรรมอย่างมีประสิทธิภาพและกฎระเบียบพรุนได้อย่างมีประสิทธิภาพตามความสัมพันธ์กับความเชื่อมั่นและการรายงานข่าวฐานข้อมูล การจำแนกประเภทจะดำเนินการบนพื้นฐานของการวิเคราะห์χ2ถ่วงน้ำหนักโดยใช้กฎสัมพันธ์ที่แข็งแกร่งหลาย การทดลองที่กว้างขวางของเราในวันที่ 26 ฐานข้อมูลจากฐานข้อมูลการเรียนรู้เครื่อง UCI แสดงพื้นที่เก็บข้อมูลที่ CMAR สอดคล้องประสิทธิภาพสูงในการจัดหมวดหมู่ของหลายชนิดของฐานข้อมูลและมีความถูกต้องดีกว่าค่าเฉลี่ยในการจัดหมวดหมู่เปรียบเทียบกับ CBA และ C4.5 นอกจากนี้การศึกษาประสิทธิภาพของเราแสดงให้เห็นว่าวิธีการที่มีประสิทธิภาพสูงและปรับขนาดได้เมื่อเทียบกับคนอื่น ๆ รายงานวิธีการจำแนกเชื่อมโยง

ผลลัพธ์ (ไทย) 3:

การศึกษานี้เสนอว่า การจำแนกประเภทมีความแม่นยำสูง และแข็งแรง มีความยืดหยุ่นในการจัดการข้อมูลที่ไม่มีโครงสร้าง . อย่างไรก็ตาม ก็ยังทนทุกข์ทรมานจากชุดใหญ่ของเหมืองกฎและบางครั้งการลำเอียงหรือ overfitting ตั้งแต่การจำแนกตามเดียวสูง มั่นใจครอง ผู้เขียนเสนอใหม่เชื่อมโยงหมวดหมู่วิธี cmar ได้แก่การจำแนกตามกฎของสมาคมหลาย วิธีการขยายที่มีประสิทธิภาพรูปแบบเหมืองแร่บ่อยวิธี FP การเจริญเติบโต สร้างห้องที่ FP จำหน่ายต้นไม้และเหมืองขนาดใหญ่ฐานข้อมูลได้อย่างมีประสิทธิภาพ นอกจากนี้ยังใช้โครงสร้างต้นไม้ , จัดเก็บและดึงไว้ กฎของสมาคมได้อย่างมีประสิทธิภาพ และพรุนกฎได้อย่างมีประสิทธิภาพตามความเชื่อมั่นความสัมพันธ์และความครอบคลุมของฐานข้อมูล การจะดำเนินการตามχหนัก 2 วิเคราะห์โดยสมาคมกฎแรงหลาย ที่กว้างขวางของเราในการทดลอง 26 ฐานข้อมูลจาก UCI การเรียนรู้ของเครื่องฐานข้อมูลที่เก็บแสดงให้เห็นว่า cmar จะสอดคล้องกันมีประสิทธิภาพในการจำแนกชนิดของฐานข้อมูล และมีความถูกต้องของการจำแนกเฉลี่ยที่ดีกว่าในการเปรียบเทียบกับ CBA และ โปรแกรม C4.5 . นอกจากนี้ การศึกษาสมรรถนะของเราแสดงให้เห็นว่าวิธีการที่มีประสิทธิภาพสูง และยืดหยุ่นในการเปรียบเทียบกับอื่น ๆรายงานเชื่อมโยงวิธีการจำแนก