3.1.3 Association Rule DiscoveryAss

3.1.3 Association Rule Discovery
Association rules represent a promising technique to improve
heart disease prediction. Unfortunately, when association rules are
applied on a medical data set, they produce an extremely large
number of rules. Most of such rules are medically irrelevant and
the time required to find them can be impractical. In [11], four
constraints were proposed to reduce the number of rules: item
filtering, attribute grouping, maximum itemset size, and
antecedent/consequent rule filtering. When association rules are
applied on a medical data set, they produce an extremely large
number of rules. Most of such rules are medically irrelevant and
the time required to find them can be impractical. A more
important issue is that, in general, association rules are mined on
the entire data set without validation on an independent sample.
To solve these limitations, the author has introduced an algorithm
that uses search constraints to reduce the number of rules, searches
for association rules on a training set, and finally validates them
on an independent test set. Instead of using only Support and
confidence, one more parameter i.e. lift have been used as the
metrics to evaluate the medical significance and reliability of
association rules. Medical doctors use sensitivity and specificity as
two basic statistics to validate results. Sensitivity is defined as the
probability of correctly identifying sick patients, whereas

ผลลัพธ์ (ไทย) 1:

เป็น 3.1.3 ค้นหากฎความสัมพันธ์ข้อบังคับสมาคมแสดงเทคนิคสัญญาเพื่อปรับปรุงพยากรณ์โรคหัวใจ อับ เมื่อกฎความสัมพันธ์คือใช้กับชุดข้อมูลทางการแพทย์ ผู้ผลิตมีขนาดใหญ่มากหมายเลขของกฎ กฎดังกล่าวมีความเกี่ยวข้องทางการแพทย์ และเวลาที่ใช้ในการค้นหาสามารถระบุ ใน [11], 4จำกัดได้เสนอให้ลดจำนวนกฎ: สินค้ากรอง จัดกลุ่มแอททริบิวต์ ขนาดสูงสุด itemset และการกรองกฎ antecedent/ผลลัพธ์ เมื่อมีข้อบังคับสมาคมใช้กับชุดข้อมูลทางการแพทย์ ผู้ผลิตมีขนาดใหญ่มากหมายเลขของกฎ กฎดังกล่าวมีความเกี่ยวข้องทางการแพทย์ และเวลาที่ใช้ในการค้นหาสามารถระบุ มากขึ้นสำคัญปัญหาคือ ทั่วไป กฎความสัมพันธ์ที่ขุดได้ตามชุดข้อมูลทั้งหมด โดยไม่มีการตรวจสอบในตัวอย่างเป็นอิสระการแก้ไขข้อจำกัดเหล่านี้ ผู้เขียนได้แนะนำขั้นตอนวิธีการที่ใช้ค้นหาข้อจำกัดเพื่อลดจำนวนกฎ ค้นหาสำหรับสมาคม กฎในการฝึกอบรมตั้ง และตรวจสอบพวกเขาในที่สุดชุดการทดสอบอิสระ แทนที่จะใช้สนับสนุนเท่านั้น และความเชื่อมั่น พารามิเตอร์เพิ่มเติมเช่นการใช้ลิฟท์เป็นการการวัดการประเมินความสำคัญทางการแพทย์และความน่าเชื่อถือของข้อบังคับสมาคม แพทย์แพทย์ใช้ความไวและ specificity เป็นสถิติพื้นฐานสองเพื่อตรวจสอบผลลัพธ์ มีกำหนดความไวเป็นการความน่าเป็นการระบุผู้ป่วยที่ป่วย ถูกต้องในขณะที่

ผลลัพธ์ (ไทย) 2:

3.1.3
สมาคมกฎการค้นพบกฎของสมาคมเป็นตัวแทนของเทคนิคที่มีแนวโน้มที่จะปรับปรุงการคาดการณ์การเกิดโรคหัวใจ
แต่เมื่อกฎสมาคมจะนำมาใช้ในชุดข้อมูลทางการแพทย์ที่พวกเขาผลิตขนาดใหญ่มากจำนวนของกฎ ส่วนใหญ่ของกฎดังกล่าวทางการแพทย์ที่ไม่เกี่ยวข้องและเวลาที่ต้องไปหาพวกเขาสามารถจะทำไม่ได้ ใน [11] สี่จำกัด ได้รับการเสนอให้ลดจำนวนของกฎ: รายการกรองแอตทริบิวต์การจัดกลุ่มขนาดสูงสุดitemset และก่อน/ กรองกฎที่เกิดขึ้น เมื่อกฎสมาคมจะนำมาใช้ในชุดข้อมูลทางการแพทย์ที่พวกเขาผลิตขนาดใหญ่มากจำนวนของกฎ ส่วนใหญ่ของกฎดังกล่าวทางการแพทย์ที่ไม่เกี่ยวข้องและเวลาที่ต้องไปหาพวกเขาสามารถจะทำไม่ได้ อีกเรื่องที่สำคัญก็คือว่าโดยทั่วไปกฎสมาคมมีศีลธรรมในข้อมูลทั้งหมดที่กำหนดโดยไม่มีการตรวจสอบในตัวอย่างที่เป็นอิสระ. เพื่อแก้ปัญหาข้อ จำกัด เหล่านี้ผู้เขียนได้แนะนำขั้นตอนวิธีที่ใช้ในการจำกัด การค้นหาเพื่อลดจำนวนของกฎการค้นหาสำหรับสมาคมกฎในชุดการฝึกอบรมและในที่สุดก็จะตรวจสอบพวกเขาในชุดทดสอบที่เป็นอิสระ แทนการใช้การสนับสนุนเท่านั้นและความเชื่อมั่นหนึ่งพารามิเตอร์เช่นลิฟท์ขึ้นได้ถูกนำมาใช้เป็นตัวชี้วัดในการประเมินความสำคัญทางการแพทย์และความน่าเชื่อถือของกฎสมาคม แพทย์ใช้ไวและความจำเพาะเป็นสองสถิติพื้นฐานในการตรวจสอบผลการ ความไวแสงถูกกำหนดให้เป็นความน่าจะเป็นของผู้ป่วยได้อย่างถูกต้องระบุป่วยในขณะที่

ผลลัพธ์ (ไทย) 3:

การค้นพบกฎกติกา 3.1.3 สมาคมเป็นตัวแทนของสมาคมเทคนิคมีแนวโน้มที่จะปรับปรุง
โรคหัวใจการทำนาย . แต่เมื่อกฎของสมาคมเป็น
ใช้ในทางการแพทย์ชุดข้อมูลที่พวกเขาผลิตเป็นจำนวนขนาดใหญ่มาก
ของกฎ ที่สุดของกฎดังกล่าวสมในที่ไม่เกี่ยวข้องและ
เวลาที่ใช้ในการค้นหาสามารถใช้งานไม่ได้ ใน [ 11 ] 4
,ข้อจำกัด คือ เสนอให้ลดจำนวนกฎ : รายการ
กรองคุณลักษณะการจัดกลุ่มขนาด itemset สูงสุดและ
มาก่อน / จากกฎการกรอง เมื่อกฎของสมาคมเป็น
ใช้ในทางการแพทย์ชุดข้อมูลที่พวกเขาผลิตเป็นจำนวนขนาดใหญ่มาก
ของกฎ ที่สุดของกฎดังกล่าวสมในที่ไม่เกี่ยวข้องและ
เวลาที่ใช้ในการค้นหาสามารถใช้งานไม่ได้ เพิ่มเติม
ปัญหาสำคัญ คือโดยทั่วไปกฎของสมาคมผ่านบน
ทั้งชุดข้อมูล โดยไม่มีการตรวจสอบในตัวอย่างอิสระ
แก้ข้อ จำกัด เหล่านี้ ผู้เขียนได้แนะนำขั้นตอนวิธี
ที่ใช้ค้นหาลดข้อจำกัดของกฎการค้นหา
สมาคมกฎชุดฝึก และในที่สุดนำพวกเขา
บนชุดทดสอบอิสระ . แทนการใช้และการสนับสนุนเท่านั้น
ความเชื่อมั่นอีกหนึ่งตัวแปร เช่น ลิฟท์ ได้ถูกใช้เป็นตัวชี้วัดเพื่อประเมินความสำคัญทางการแพทย์

และความน่าเชื่อถือของกฎสมาคม แพทย์ใช้ความไวและความจำเพาะที่
2 สถิติพื้นฐานเพื่อตรวจสอบผลลัพธ์ ความไวหมายถึง
ความน่าจะเป็นได้อย่างถูกต้องระบุผู้ป่วย ในขณะที่