AsociaÄnà pravidla - Sorry
AsociaÄnà pravidla - Sorry AsociaÄnà pravidla - Sorry
Dobývání znalostí z databází T6: asociační pravidla Hypotézy (pravidla) vyjadřují vztahy mezi cedenty, cedent je tvořen konjunkcí částečných cedentů a částečný cedent je konjunkce nebo disjunkce literálů. Literál je definován jako atribut(koeficient) v případě pozitivního literálu, resp. jako atribut(koeficient) v případě negativního literálu. Koeficient (seznam hodnot atributu) pak může být: podmnožina omezené délky např. literál město(Praha, Brno) obsahuje podmnožinu délky 2, interval omezené délky např. literály věk(nízký, střední), věk(střední), věk(střední, vysoký) obsahují interval délky 1 až 2, řez (interval, obsahující krajní hodnotu) omezené délky např. literály věk(nízký), věk(nízký, střední), věk(nízký, střední, vysoký) obsahují dolní řez délky 1 až 3. Z literálů jsou vytvářeny (generovány metodou „do hloubky“) konjunkce, které tvoří jednotlivé části nějakého pravidla (hypotézy). 16
Dobývání znalostí z databází T6: asociační pravidla Procedura 4FT generované a testované hypotézy mají podobu φ ≈ ψ / kde φ, ψ, (cedent) jsou cedenty, a ≈ je tzv. kvantifikátor vyjadřující typ vztahu mezi φ a ψ na množině příkladů, které splňují název Fundovaná implikace Dvojitá fundovaná implikace Fundovaná ekvivalence Fisherův kvantifikátor Chi-kvadrát kvantifikátor Značení parametry kdy platí p,Base 0 p 1 Base 0 p,Base 0 p 1 Base 0 p,Base 0 p 1 ,Base ,Base Base 0 0 0.5 Base 0 0 0.5 Base 0 a a + b p a Base a a + b + c p a Base a + d a + b + c + d p a Base min(r,k) r!s!k!l! n!i!(r-i)!(k-i)!(n-r-k-i)! i=a a Base ad bc a Base n(ad - bc) klrs např: konto(vysoké OR střední) AND NOT(nezaměstnaný(ano)) 0.9 úvěr(ano) / pohlaví(muž) 17
- Page 1 and 2: Dobývání znalostí z databází
- Page 3 and 4: Dobývání znalostí z databází
- Page 5 and 6: Dobývání znalostí z databází
- Page 7 and 8: Dobývání znalostí z databází
- Page 9 and 10: Dobývání znalostí z databází
- Page 11 and 12: Dobývání znalostí z databází
- Page 13 and 14: Dobývání znalostí z databází
- Page 15: Dobývání znalostí z databází
- Page 19 and 20: Dobývání znalostí z databází
- Page 21 and 22: Dobývání znalostí z databází
- Page 23 and 24: Dobývání znalostí z databází
- Page 25: Dobývání znalostí z databází
Dobývání znalostí z databází<br />
T6: asociační <strong>pravidla</strong><br />
Procedura 4FT<br />
generované a testované hypotézy mají podobu<br />
φ ≈ ψ / <br />
kde φ, ψ, (cedent) jsou cedenty, a ≈ je tzv.<br />
kvantifikátor vyjadřující typ vztahu mezi φ a ψ na<br />
množině příkladů, které splňují <br />
název<br />
Fundovaná<br />
implikace<br />
Dvojitá<br />
fundovaná<br />
implikace<br />
Fundovaná<br />
ekvivalence<br />
Fisherův<br />
kvantifikátor<br />
Chi-kvadrát<br />
kvantifikátor<br />
Značení parametry kdy platí<br />
p,Base 0 p 1<br />
Base 0<br />
p,Base 0 p 1<br />
Base 0<br />
p,Base 0 p 1<br />
,Base<br />
,Base<br />
Base 0<br />
0 <br />
0.5<br />
Base 0<br />
0 <br />
0.5<br />
Base 0<br />
a<br />
a + b p a Base<br />
a<br />
a + b + c p a Base<br />
a + d<br />
a + b + c + d p a Base<br />
min(r,k)<br />
r!s!k!l!<br />
n!i!(r-i)!(k-i)!(n-r-k-i)! <br />
<br />
i=a<br />
a Base<br />
ad bc <br />
a Base<br />
n(ad - bc)<br />
klrs<br />
<br />
např:<br />
konto(vysoké OR střední) AND NOT(nezaměstnaný(ano))<br />
0.9 úvěr(ano) / pohlaví(muž)<br />
17