Negatywne reguły asocjacyjne - wyznaczanie, miary i obszary zastosowania

• Autorzy: Kotulla A.

Warianty tytułu

EN

Negative association rules - computing, measures and application areas

• Języki publikacji: PL

Abstrakty

PL

Artykuł opisuje pozytywne oraz negatywne reguły asocjacyjne. Przybliżone zostały najważniejsze miary dla reguł asocjacyjnych. Przykładowa analiza przeprowadzona została za pomocą środowiska R. Opisana została klasyfikacja bazująca na pozytywnych i negatywnych regułach asocjacyjnych.

EN

This article presents positive and negative association rules. The most important measures for association rules are described. A sample analysis was done using the R environment. Classification based on positive and negative association rules was described.

Słowa kluczowe

PL

analiza danych; eksploracja danych; analiza podobieństwa; pozytywne reguły asocjacyjne; negatywne reguły asocjacyjne

EN

data analysis; data mining; affinity analysis; positive association rules; negative association rules

• Wydawca: Wydawnictwo Politechniki Śląskiej
• Czasopismo: Studia Informatica
• Rocznik: 2012
• Tom: Vol. 33, nr 2B
• Strony: 273--285
• Opis fizyczny: Bibliogr. 17 poz.

Twórcy

autor

Kotulla A.

• Politechnika Śląska, Instytut Informatyki,

Bibliografia

• 1. Antonie M.-L., Zaïane O. R.: An Associative Classifier based on Positive and Negative Rules. 9th ACM SIGMOD workshop on Research issues in data mining and knowledge discovery, Paryż 2004.
• 2. Agrawal R., Imielinski T., Swami A.: Mining Association Rules between Sets of Items in Large Databases. SIGMOD Conference Washington, D.C. 1993, s. 207÷216.
• 3. Agrawal R., Srikant R.: Fast Algorithms for Mining Association Rules. VLDB Conference, Santiago de Chile 1994, s. 487÷499.
• 4. Brin S., Motwani R., Ullman J. D., Tsur S.: Dynamic Itemset Counting and Implication Rules for Market Basket Data. ACM SIGMOD International Conference on Management of Data, Tucson, Arizona, USA 1997, s. 255÷264.
• 5. Ghaderi R., Minaei-Bidgoli B.: Detecting Data Errors with Employing Negative Association Rules. International Journal of Digital Content Technology and its Applications, Vol. 3, No. 3, 2009, s. 91÷95.
• 6. Han J., Kamber M.: Data Mining: Concepts and Techniques. Morgan Kaufmann Publishers, San Francisco 2006.
• 7. Han J., Pei J., Yin Y., Mao R.: Mining Frequent Patterns without Candidate Generation: A Frequent-Pattern Tree Approach. Data Mining and Knowledge Discovery, Kluwer Academic Publishers Hingham, MA 2004.
• 8. Hahsler M., Buchta Ch., Gruen B., Hornik K.: arules: Mining Association Rules and Frequent Itemsets. Manual, http://CRAN.R-project.org/ (sprawdzono 12.01.2012).
• 9. Hahsler M., Gruen B., Hornik K.: arules - A Computational Environment for Mining, Association Rules and Frequent Item Sets. Journal of Statistical Software, Vol. 14, No.15, 2005, s. 1÷25.
• 10. Kavitha Rani B., Srinivas K., Ramasubbareddy B., Govardhan A.: Mining Negative Association Rules. International Journal of Engineering and Technology, Vol. 3(2), 2011, s. 100÷105.
• 11. Markov Z., Larose D. T.: Eksploracja zasobów internetowych. Wydawnictwo Naukowe PWN, Warszawa 2009.
• 12. Ramasubbareddy B., Govardhan A., Ramamohanreddy A.: Classification Based on Positive and Negative Association Rules. International Journal of Data Engineering, Vol. 2, 2011.
• 13. Tan P.-N., Steinbach M., Kumar V.: Introduction to Data Mining. Addison-Wesley, 2005.
• 14. Thabtah F., Cowling P., Peng Y.: MMAC: A New Multi-class, Multi-label Associative Classification Approach. 4th IEEE International Conference on Data Mining, Brighton UK 2004, s. 217÷224.
• 15. Thabtah F., Cowling P., Peng Y.: MCAR: Multi-class Classification Based on Association Rule Approach. 3rd IEEE International Conference on Computer Systems and Applications, Kair 2005, s. 1÷7.
• 16. Wu X., Zhang Ch., Zhang Sh.: Efficient Mining of Both Positive and Negative Association Rules. ACM Transactions on Information Systems, Vol. 22, No. 3, 2004, s. 381÷405.
• 17. The R Foundation for Statistical Computing: The R Project for Statistical Computing, http://www.r-project.org (sprawdzono 12.01.2012).