論文の概要: Cambrian Explosion Algorithm for Multi-Objective Association Rules
Mining
- arxiv url: http://arxiv.org/abs/2211.12767v1
- Date: Wed, 23 Nov 2022 08:34:05 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-24 14:40:22.081947
- Title: Cambrian Explosion Algorithm for Multi-Objective Association Rules
Mining
- Title(参考訳): 多目的連関ルールマイニングのためのカンブリア爆発アルゴリズム
- Authors: Th\'eophile Berteloot, Richard Khoury, Audrey Durand
- Abstract要約: アソシエーション・ルール・マイニング(Association Rule mining)は、データマイニングの分野で最も研究されている分野の一つである。
関連ルールマイニング問題における最先端のメタヒューリスティックスの性能の比較を行った。
本研究では,大規模データセットからルールを効率的に抽出するアルゴリズムを提案する。
- 参考スコア(独自算出の注目度): 5.175050215292647
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Association rule mining is one of the most studied research fields of data
mining, with applications ranging from grocery basket problems to highly
explainable classification systems. Classical association rule mining
algorithms have several flaws especially with regards to their execution times,
memory usage and number of rules produced. An alternative is the use of
meta-heuristics, which have been used on several optimisation problems. This
paper has two objectives. First, we provide a comparison of the performances of
state-of-the-art meta-heuristics on the association rule mining problem. We use
the multi-objective versions of those algorithms using support, confidence and
cosine. Second, we propose a new algorithm designed to mine rules efficiently
from massive datasets by exploring a large variety of solutions, akin to the
explosion of species diversity of the Cambrian Explosion. We compare our
algorithm to 20 benchmark algorithms on 22 real-world data-sets, and show that
our algorithm present good results and outperform several state-of-the-art
algorithms.
- Abstract(参考訳): アソシエーション・ルール・マイニングは最も研究されているデータマイニングの研究分野の1つであり、食料品バスケットの問題から高度に説明可能な分類システムまで幅広い応用がある。
古典的なアソシエーションルールマイニングアルゴリズムは、特に実行時間、メモリ使用量、生成されるルールの数にいくつかの欠陥がある。
メタヒューリスティックス(Meta-heuristics)は、いくつかの最適化問題に使われている。
本論文には2つの目的がある。
まず,関連ルールマイニング問題における最先端メタヒューリスティックスの性能の比較を行った。
それらのアルゴリズムの多目的バージョンは、サポート、信頼、コサインを使って使用します。
第2に,カンブリア爆発の種多様性の爆発に類似した,多種多様な解を探索することにより,膨大なデータセットから効率的にルールをマイニングする新しいアルゴリズムを提案する。
本アルゴリズムを実世界の22のデータセット上で20のベンチマークアルゴリズムと比較し,そのアルゴリズムが優れた結果を示し,最先端アルゴリズムよりも優れていることを示す。
関連論文リスト
- Learning Arithmetic Formulas in the Presence of Noise: A General
Framework and Applications to Unsupervised Learning [4.10375234787249]
教師なし学習問題に対する効率的なアルゴリズム設計のための枠組みを提案する。
我々のフレームワークは,雑音の存在下で演算回路を学習するメタアルゴリズムに基づいている。
論文 参考訳(メタデータ) (2023-11-13T12:26:25Z) - Fixed-Budget Real-Valued Combinatorial Pure Exploration of Multi-Armed
Bandit [65.268245109828]
このアルゴリズムは,アクションクラスのサイズが指数関数的に大きい場合でも,最良のアクションを識別できる最初のアルゴリズムである。
CSAアルゴリズムの誤差確率の上限は指数の対数係数までの下界と一致することを示す。
提案手法を従来手法と実験的に比較し,アルゴリズムの性能が向上したことを示す。
論文 参考訳(メタデータ) (2023-10-24T09:47:32Z) - ParlayANN: Scalable and Deterministic Parallel Graph-Based Approximate
Nearest Neighbor Search Algorithms [5.478671305092084]
本稿では,ParlayANNについて紹介する。ParlayANNは決定論的および並列グラフに基づく近接探索アルゴリズムのライブラリである。
我々は、数十億のデータセットにスケールする4つの最先端グラフベースのANNSアルゴリズムに対して、新しい並列実装を開発する。
論文 参考訳(メタデータ) (2023-05-07T19:28:23Z) - Association Rules Mining with Auto-Encoders [5.175050215292647]
ARM-AEと呼ばれるマイニングアソシエーションルールに対するオートエンコーダソリューションを提案する。
提案アルゴリズムは,高いサポートと信頼性のルールセットを発見し,従来の手法よりも優れた実行時間を有する。
論文 参考訳(メタデータ) (2023-04-26T17:55:44Z) - Differentially-Private Hierarchical Clustering with Provable
Approximation Guarantees [79.59010418610625]
階層クラスタリングのための微分プライベート近似アルゴリズムについて検討する。
例えば、$epsilon$-DPアルゴリズムは入力データセットに対して$O(|V|2/epsilon)$-additiveエラーを示さなければならない。
本稿では,ブロックを正確に復元する1+o(1)$近似アルゴリズムを提案する。
論文 参考訳(メタデータ) (2023-01-31T19:14:30Z) - HARRIS: Hybrid Ranking and Regression Forests for Algorithm Selection [75.84584400866254]
両アプローチの強みを両アプローチの弱さを緩和しつつ組み合わせ, 特殊林を利用した新しいアルゴリズムセレクタを提案する。
HARRISの決定は、ハイブリッドランキングと回帰損失関数に基づいて最適化された木を作成する森林モデルに基づいている。
論文 参考訳(メタデータ) (2022-10-31T14:06:11Z) - Practical, Provably-Correct Interactive Learning in the Realizable
Setting: The Power of True Believers [12.09273192079783]
我々は、対話型学習を実現可能な設定で検討し、最適な腕の識別からアクティブな分類に至るまでの問題に対処する一般的な枠組みを開発する。
我々は,最小限の値と対数係数とを一致させる,計算効率のよい新しいアルゴリズムを設計する。
論文 参考訳(メタデータ) (2021-11-09T02:33:36Z) - Exploring search space trees using an adapted version of Monte Carlo
tree search for combinatorial optimization problems [0.6882042556551609]
このアプローチでは,問題インスタンスの探索空間木を探索するアルゴリズムを用いる。
このアルゴリズムはモンテカルロ木探索(Monte Carlo tree search)をベースとしている。
論文 参考訳(メタデータ) (2020-10-22T08:33:58Z) - Differentially Private Clustering: Tight Approximation Ratios [57.89473217052714]
基本的なクラスタリング問題に対して,効率的な微分プライベートアルゴリズムを提案する。
この結果から,SampleとAggregateのプライバシーフレームワークのアルゴリズムの改善が示唆された。
1-Clusterアルゴリズムで使用されるツールの1つは、ClosestPairのより高速な量子アルゴリズムを適度な次元で得るために利用できる。
論文 参考訳(メタデータ) (2020-08-18T16:22:06Z) - Corralling Stochastic Bandit Algorithms [54.10645564702416]
相関アルゴリズムの後悔は、最も報酬の高い腕を含む最高のアルゴリズムの後悔よりも悪くはないことを示す。
最高報酬と他の報酬の差は、最高報酬と他の報酬の差に依存することを示す。
論文 参考訳(メタデータ) (2020-06-16T15:33:12Z) - Extreme Algorithm Selection With Dyadic Feature Representation [78.13985819417974]
我々は,数千の候補アルゴリズムの固定セットを考慮に入れた,極端なアルゴリズム選択(XAS)の設定を提案する。
我々は、XAS設定に対する最先端のAS技術の適用性を評価し、Dyadic特徴表現を利用したアプローチを提案する。
論文 参考訳(メタデータ) (2020-01-29T09:40:58Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。