Subgroup discovery task (Herrera, C

Subgroup discovery task (Herrera, Carmona, González, & Del Jesus, 2011) is a data mining technique whose main purpose is to extract descriptive knowledge concerning a property of interest from the data (Kloesgen,1996;Wrobel,1997). In addition, this technique have been applied in different domains obtaining good results (Carmona, González, Del Jesus, Romero, & Ventura, 2010, 2011; Carmona, González, Del Jesus, Navío, & Jiménez, 2011; Romero, González, Ventura, Del Jesus, & Herrera, 2009). The algorithm used within this technique is the most representative throughout the literature, the NMEEF-SD algorithm (Carmona, González, Del Jesus, & Herrera, 2010). This algorithm is an evolutionary fuzzy system whose objective is to extract descriptive fuzzy and/or crisp rules for the SD task, depending on the type of variables present in the problem. It is based on NSGA-II approach (Deb, Pratap, Agrawal, & Meyarivan, 2002) and it can use a wide number of quality measures for subgroup discovery as objectives.

ผลลัพธ์ (ไทย) 1:

งานค้นพบกลุ่มย่อย (ทีม มากมาย González และพระ เยซู Del, 2011) เป็นเทคนิคการทำเหมืองข้อมูลที่มีวัตถุประสงค์หลักคือการ แยกอธิบายความรู้เกี่ยวกับคุณสมบัติที่น่าสนใจจากข้อมูล (Kloesgen, 1996 Wrobel, 1997) นอกจากนี้ มีการใช้เทคนิคนี้ในโดเมนอื่นที่ได้รับผลลัพธ์ที่ดี (มากมาย พระเยซู González เดล โรเมโร & Ventura, 2010, 2011 มากมาย González พระ เยซู Del, Navío และ Jiménez, 2011 โรเมโร González พระเยซู Ventura เดล และ ทีม 2009) อัลกอริทึมที่ใช้ในเทคนิคนี้เป็นตัวแทนมากที่สุดตลอดวรรณกรรม อัลกอริทึม NMEEF-SD (มากมาย พระเยซู González เดล และ ทีม 2010) อัลกอริทึมนี้คือ ระบบ fuzzy วิวัฒนาการวัตถุประสงค์จะแยกอธิบายพร่าเลือน หรือคมกฎสำหรับงาน SD ขึ้นอยู่กับชนิดของตัวแปรที่อยู่ในปัญหา ขึ้นอยู่กับวิธี NSGA II (Deb ประทับ Agrawal, & Meyarivan, 2002) และมันสามารถใช้วัดคุณภาพมากมายสำหรับการค้นพบกลุ่มย่อยเป็นวัตถุประสงค์

ผลลัพธ์ (ไทย) 2:

การค้นพบกลุ่มย่อยงาน (Herrera, คาร์โมนาอนซาเลซและ Del พระเยซู 2011) เป็นเทคนิคการทำเหมืองข้อมูลที่มีจุดประสงค์หลักคือการดึงความรู้ที่เป็นคำอธิบายเกี่ยวกับคุณสมบัติที่น่าสนใจจากข้อมูล A (Kloesgen 1996; Wrobel, 1997) นอกจากนี้เทคนิคนี้ได้ถูกนำมาใช้ในโดเมนที่แตกต่างกันได้รับผลที่ดี (คาร์โมนาอนซาเลซ, Del พระเยซูโรเมโรและเวนทูราปี 2010 ปี 2011 คาร์โมนาอนซาเลซ, Del พระเยซูNavíoและJiménez 2011; Romero อนซาเลซเวนทูรา เดลพระเยซูและ Herrera 2009) อัลกอริทึมที่ใช้ในเทคนิคนี้เป็นตัวแทนมากที่สุดตลอดวรรณคดีอัลกอริทึม NMEEF-SD (คาร์โมนาอนซาเลซ, Del พระเยซูและ Herrera, 2010) ขั้นตอนวิธีนี้เป็นระบบเลือนวิวัฒนาการที่มีวัตถุประสงค์เพื่อดึงกฎฟัซซี่และ / หรือคมชัดอธิบายสำหรับงาน SD ซึ่งจะขึ้นอยู่กับชนิดของตัวแปรที่มีอยู่ในปัญหาที่เกิดขึ้น มันขึ้นอยู่กับ NSGA-II วิธี (ดรุณี Pratap, Agrawal & Meyarivan, 2002) และสามารถใช้จำนวนกว้างของมาตรการที่มีคุณภาพสำหรับการค้นพบกลุ่มย่อยเป็นวัตถุประสงค์

ผลลัพธ์ (ไทย) 3:

งานค้นพบกลุ่มย่อย ( Herrera , คาร์โมนา gonz . kgm lez แอนด์เดล , พระเยซู , 2554 ) เป็นเทคนิคเหมืองข้อมูลที่มีวัตถุประสงค์หลักคือเพื่อแยกบรรยายความรู้เกี่ยวกับคุณสมบัติที่น่าสนใจจากข้อมูล ( kloesgen , 1996 ; wrobel , 1997 ) นอกจากนี้ เทคนิคนี้มีการใช้ในที่ต่าง ๆได้รับผลลัพธ์ที่ดี ( Carmona โดเมน , . kgm gonz lez del พระเยซู โรเมโร่ และ เวนทูร่า , 2010 , 2011 ; Carmona . kgm gonz lez del , พระเยซู , NAV í o & Jim é nez , 2011 ; Romero , gonz . kgm lez , Ventura , เดล พระเยซู & Herrera , 2009 ) ขั้นตอนวิธีที่ใช้ในเทคนิคนี้คือตัวแทนมากที่สุดตลอดวรรณคดี , nmeef-sd ขั้นตอนวิธี ( Carmona gonz . kgm lez del , พระเยซู , & Herrera , 2010 ) ขั้นตอนวิธีนี้เป็นวิวัฒนาการระบบฟัซซีซึ่งมีวัตถุประสงค์คือ เพื่อสกัดข้อมูลคลุมเครือและ / หรือกฎกรอบสำหรับ SD งานขึ้นอยู่กับชนิดของตัวแปรที่อยู่ในปัญหา มันขึ้นอยู่กับวิธีการ nsga-ii ( เด็บ ประทับ Agrawal และ meyarivan , 2002 ) และมันสามารถใช้เป็นจำนวนกว้างของการวัดคุณภาพสำหรับกลุ่มย่อยค้นพบเป็นวัตถุประสงค์