Um ambiente para exploração de regras de associação generalizadas

Detalhes bibliográficos
Autor(a) principal: Domingues, Marcos A.
Data de Publicação: 2015
Outros Autores: Figueiredo, Matheus G. B., Rezende, Solange O.
Tipo de documento: Artigo
Idioma: por
Título da fonte: Repositório Institucional da UFLA
Texto Completo: http://repositorio.ufla.br/jspui/handle/1/9640
Resumo: The Data Mining (DM) process enables that end users can analyse, understand and use the extracted knowledge in an intelligent system or to support decision processes. However, many algorithms used in the process find large quantities of patterns, complicating the analysis of the patterns. This fact occurs with Association Rules (AR), a technique that tries to identify intrinsic patterns in large data sets. A method that can help the analysis of the rules is the generalization of the AR. In this paper, we propose an environment to generalize AR and to analyse the generalized rules.
id UFLA_30be177265cee072336fc0a53ea45bef
oai_identifier_str oai:localhost:1/9640
network_acronym_str UFLA
network_name_str Repositório Institucional da UFLA
repository_id_str
spelling Um ambiente para exploração de regras de associação generalizadasDescoberta de conhecimentoAprendizado de máquinaRegras de associaçãoThe Data Mining (DM) process enables that end users can analyse, understand and use the extracted knowledge in an intelligent system or to support decision processes. However, many algorithms used in the process find large quantities of patterns, complicating the analysis of the patterns. This fact occurs with Association Rules (AR), a technique that tries to identify intrinsic patterns in large data sets. A method that can help the analysis of the rules is the generalization of the AR. In this paper, we propose an environment to generalize AR and to analyse the generalized rules.O processo de Mineração de Dados (MD) possibilita que seus usuários finais possam analisar, compreender e usar o conhecimento extraído em um Sistema Inteligente ou como apoio em processos de tomada de decisão. Entretanto, muitos dos algoritmos utilizados geram uma enorme quantidade de padrões, dificultando a análise. Esse problema ocorre em Regras de Associação (RA), uma t´ecnica de MD que procura identificar todos os padrões intrínsecos ao conjunto de dados. Uma abordagem que pode auxiliar a análise das regras é a generalização de RA. Neste artigo é apresentado um ambiente proposto para a generalização de RA e análise das regras generalizadas.2015-05-21T20:38:11Z2015-05-21T20:38:11Z2015-05-21info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/articleapplication/pdfhttp://repositorio.ufla.br/jspui/handle/1/9640Anais do CSBC'07 Encontro Nacional de Inteligência Artificial (ENIA 2007), 2007.reponame:Repositório Institucional da UFLAinstname:Universidade Federal de Lavras (UFLA)instacron:UFLADomingues, Marcos A.Figueiredo, Matheus G. B.Rezende, Solange O.info:eu-repo/semantics/openAccesspor2023-05-03T13:13:25Zoai:localhost:1/9640Repositório InstitucionalPUBhttp://repositorio.ufla.br/oai/requestnivaldo@ufla.br || repositorio.biblioteca@ufla.bropendoar:2023-05-03T13:13:25Repositório Institucional da UFLA - Universidade Federal de Lavras (UFLA)false
dc.title.none.fl_str_mv Um ambiente para exploração de regras de associação generalizadas
title Um ambiente para exploração de regras de associação generalizadas
spellingShingle Um ambiente para exploração de regras de associação generalizadas
Domingues, Marcos A.
Descoberta de conhecimento
Aprendizado de máquina
Regras de associação
title_short Um ambiente para exploração de regras de associação generalizadas
title_full Um ambiente para exploração de regras de associação generalizadas
title_fullStr Um ambiente para exploração de regras de associação generalizadas
title_full_unstemmed Um ambiente para exploração de regras de associação generalizadas
title_sort Um ambiente para exploração de regras de associação generalizadas
author Domingues, Marcos A.
author_facet Domingues, Marcos A.
Figueiredo, Matheus G. B.
Rezende, Solange O.
author_role author
author2 Figueiredo, Matheus G. B.
Rezende, Solange O.
author2_role author
author
dc.contributor.author.fl_str_mv Domingues, Marcos A.
Figueiredo, Matheus G. B.
Rezende, Solange O.
dc.subject.por.fl_str_mv Descoberta de conhecimento
Aprendizado de máquina
Regras de associação
topic Descoberta de conhecimento
Aprendizado de máquina
Regras de associação
description The Data Mining (DM) process enables that end users can analyse, understand and use the extracted knowledge in an intelligent system or to support decision processes. However, many algorithms used in the process find large quantities of patterns, complicating the analysis of the patterns. This fact occurs with Association Rules (AR), a technique that tries to identify intrinsic patterns in large data sets. A method that can help the analysis of the rules is the generalization of the AR. In this paper, we propose an environment to generalize AR and to analyse the generalized rules.
publishDate 2015
dc.date.none.fl_str_mv 2015-05-21T20:38:11Z
2015-05-21T20:38:11Z
2015-05-21
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/article
format article
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://repositorio.ufla.br/jspui/handle/1/9640
url http://repositorio.ufla.br/jspui/handle/1/9640
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv Anais do CSBC'07 Encontro Nacional de Inteligência Artificial (ENIA 2007), 2007.
reponame:Repositório Institucional da UFLA
instname:Universidade Federal de Lavras (UFLA)
instacron:UFLA
instname_str Universidade Federal de Lavras (UFLA)
instacron_str UFLA
institution UFLA
reponame_str Repositório Institucional da UFLA
collection Repositório Institucional da UFLA
repository.name.fl_str_mv Repositório Institucional da UFLA - Universidade Federal de Lavras (UFLA)
repository.mail.fl_str_mv nivaldo@ufla.br || repositorio.biblioteca@ufla.br
_version_ 1807835212251398144