Ulteriori informazioni
Los valores utilizados como referencia de la minería de reglas de asociación son el valor de soporte y el valor de confianza. Cuanto mayor sea el valor del soporte y el valor de confianza, mejores serán las reglas resultantes. Los algoritmos de minería de reglas de asociación aplican el aprendizaje no supervisado porque la regla resultante no está determinada para ser una clase determinada. El rendimiento de los algoritmos de minería de reglas de asociación depende en gran medida del tamaño y las dimensiones del conjunto de datos utilizado. El rendimiento puede medirse desde el momento en que se genera el procesamiento. Cuanto mayor sea el conjunto de datos, las dimensiones serán mayores y el tiempo de procesamiento será más largo. Si la dimensionalidad del conjunto de datos puede ser podada, el tiempo de procesamiento será más rápido y el rendimiento será mejor, con valores de confianza relativamente sin cambios. La intersección es un tipo de teoría de conjuntos que puede reducir el número de atributos en conjuntos relacionados. Oracle es uno de los RDBMS, los conjuntos relacionados pueden aplicarse al RDBMS de Oracle como las tablas relacionadas. El algoritmo IST-EFP es un algoritmo propuesto que combina EFP (Expand FP-Growth) con la teoría de conjuntos. En este estudio, el algoritmo IST-EFP puede reducir la dimensión del conjunto de datos al 87,5% con una mejora del 26,6% en el tiempo de procesamiento.
Info autore
Boby Siswanto - professeur de programmation de bases de données à l'école de technologie créative Bina Nusantara Bandung. Il a obtenu sa maîtrise à l'université Telkom dans le domaine de l'informatique. Ses recherches portent sur l'exploration de données et l'Internet des objets.
