Abstrait

UNE RÈGLE D'ASSOCIATION AMÉLIORÉE POUR L'EXPLOITATION MINIÈRE AVEC UN ARBRE FP UTILISANT UNE INTÉGRATION POSITIVE ET NÉGATIVE

Rashmi Shikhariya et le professeur Nitin Shukla

La construction et le développement d'un classificateur qui fonctionne avec plus de précision et qui fonctionne efficacement pour une base de données volumineuse est l'une des tâches clés des techniques d'exploration de données [l7] [18]. L'ensemble de données d'entraînement produit à plusieurs reprises une quantité massive de règles. Il est très difficile de stocker, de récupérer, d'élaguer et de trier un grand nombre de règles de manière compétente avant de les appliquer à un classificateur [1]. Dans une telle situation, FP est le meilleur choix, mais le problème avec cette approche est qu'elle génère un arbre FP redondant. Un arbre à motifs fréquents (FP-Tree) est un type d'arbre à préfixes [3] qui permet la détection d'un ensemble d'éléments récurrents (fréquents) à l'exclusion de la génération d'un ensemble d'éléments candidats [14]. Il est prévu de récupérer le défaut des méthodes d'exploration existantes. FP-Trees poursuit la tactique de division et de conquête. Dans cet article, nous avons adopté la même idée de l'auteur [17] pour traiter une base de données volumineuse. Pour cela, nous avons intégré un concept d'exploration de règles positives et négatives avec un modèle fréquent (FP) de classification. Notre méthode fonctionne bien et produit des règles uniques sans ambiguïté.