Loading...
机构名称:
¥ 1.0

从数据挖掘以来,从数据挖掘和统计建模的能力也一直是数据挖掘的驱动力。可操作的知识通常采用模式的形式,其中一组先例可用于推断结果。在本文中,我们为比较不同模式集的问题提供了解决方案。我们的解决方案允许在不同技术(例如不同的分类算法)中获得的一组模式或从不同的数据样本(例如时间数据或出于隐私原因扰动的数据)进行比较。我们建议使用Jaccard索引通过将每个模式转换为集合中的单个元素来测量模式之间的相似性。我们的措施着重于提供概念简单,计算简单性,可解释性和广泛的适用性。在现实世界数据挖掘方案的背景下,将此度量的结果与预测准确性进行了比较。

将模式集与Jaccard索引

将模式集与Jaccard索引PDF文件第1页

将模式集与Jaccard索引PDF文件第2页

将模式集与Jaccard索引PDF文件第3页

将模式集与Jaccard索引PDF文件第4页

将模式集与Jaccard索引PDF文件第5页

相关文件推荐

2025 年
¥2.0
2024 年
¥1.0
2004 年
¥1.0
2025 年
¥1.0
2022 年
¥1.0
2024 年
¥1.0
2023 年
¥6.0
2024 年
¥1.0
2023 年
¥1.0
2024 年
¥1.0
2024 年
¥1.0
1900 年
¥1.0
2024 年
¥1.0
2023 年
¥1.0
2024 年
¥1.0
1900 年
¥2.0
2025 年
¥1.0
2020 年
¥1.0
2024 年
¥1.0
2023 年
¥1.0
2021 年
¥1.0
2025 年
¥1.0
2024 年
¥1.0
2025 年
¥1.0
2025 年
¥2.0
2024 年
¥10.0