상세 보기
초록
연관 규칙들을 이용한 분류학습은 최근 활발히 연구되는 분야의 하나이다. 이러한 연관 규칙을 이용한 분류에는 연관 규칙들에 대한 수치적 중요도를 계산하는 것이 중요하다. 본 논문에서는 정보 이론을 사용한 H measure 라는 새로운 규칙 중요도 기법을 제안한다. 구체적으로 Hellinger 변량을 이용하여 연관규칙의 중요도를 계산한다. 제안된 H measure 의 다양한 특성들을 분석하였으며 또한 이러한 H measure를 이용한 분류학습의 성능을 다른 규칙 measure를 이용한 분류학습의 성능과 비교하였다.
키워드
Association; Classification; Rule Importance; Hellinger Divergence; 연관 규칙; 분류 학습; 규칙 중요도; 헬링거 변량
- 제목
- 정보이론에 기반한 연관 규칙들의 새로운 중요도 측정 방법
- 제목 (타언어)
- A New Importance Measure of Association Rules Using Information Theory
- 저자
- 이창환; 배주현
- 발행일
- 2014-01
- 권
- 3
- 호
- 1
- 페이지
- 37 ~ 42