Abstrato

UMA MINERAÇÃO DE REGRA DE ASSOCIAÇÃO MELHORADA COM ÁRVORE FP USANDO INTEGRAÇÃO POSITIVA E NEGATIVA

Rashmi Shikhariya e Prof.

A construção e desenvolvimento de classificadores que funcionem com maior precisão e que tenham um desempenho eficiente para grandes bases de dados é uma das principais tarefas das técnicas de data mining [17] [18]. O conjunto de dados de treino produz repetidamente uma grande quantidade de regras. É muito difícil armazenar, recuperar, podar e classificar um grande número de regras de forma eficiente antes de as aplicar a um classificador[1]. Numa situação destas, FP é a melhor escolha, mas o problema desta abordagem é que gera árvore FP redundante. Uma Árvore de Padrões Frequentes (FP-Tree) é um tipo de árvore de prefixos [3] que permite a deteção de conjuntos de itens recorrentes (frequentes) exclusivos da geração do conjunto de itens candidatos [14]. Prevê-se a recuperação da falha dos métodos de mineração existentes. FP –Trees segue a tática de dividir para conquistar. Neste artigo adoptamos a mesma ideia do autor [17] para lidar com grandes bases de dados. Para isso integramos um conceito de mineração de regras positivas e negativas com padrão frequente (FP) de classificação. O nosso método funciona bem e produz regras únicas sem ambiguidade.