Name: Dimensionalitätsreduktion für Association Rule Mining (en Alemán)
SKU: 58857840
Price: 976.87 MXN
Availability: InStock
Author: Siswanto, Boby
ISBN: 9786205714324

portada Dimensionalitätsreduktion für Association Rule Mining (en Alemán)

Dimensionalitätsreduktion für Association Rule Mining (en Alemán)

Formato

Libro Físico

Autor

Boby Siswanto

Editorial

Verlag Unser Wissen

Idioma

Alemán

N° páginas

Encuadernación

Tapa Blanda

Dimensiones

22.9x15.2x0.4 cm

Peso

0.10 kg.

ISBN13

9786205714324

Categorías

Tecnología de la información: cuestiones generales

Dimensionalitätsreduktion für Association Rule Mining (en Alemán)

Boby Siswanto (Autor) · Verlag Unser Wissen · Tapa Blanda

Libro Nuevo Importado

Envío: 23 a 28 días háb.

$ 1,628.11$ 976.87

-40%

Costos de importación incluídos en el precio ✅

Libro Nuevo

Quedan 10 unidades

$ 976.87

¡Envío Gratis! Llega entre el 09 Oct y el 19 Oct a CUAUHTÉMOC, Ciudad de México. Seleccionar ubicación

Agregar a lista de deseos

Reseña del libro "Dimensionalitätsreduktion für Association Rule Mining (en Alemán)"

Die Werte, die bei der Suche nach Assoziationsregeln als Referenz verwendet werden, sind der Unterstützungswert und der Konfidenzwert. Je höher der Unterstützungs- und der Konfidenzwert sind, desto besser sind die resultierenden Regeln. Algorithmen zur Ermittlung von Assoziationsregeln verwenden unüberwachtes Lernen, da die resultierende Regel nicht auf eine bestimmte Klasse festgelegt ist. Die Leistung von Algorithmen zur Ermittlung von Assoziationsregeln hängt stark von der Grö e bzw. den Dimensionen des verwendeten Datensatzes ab. Die Leistung kann ab dem Zeitpunkt der Erstellung der Verarbeitung gemessen werden. Je grö er der Datensatz ist, desto grö er sind die Dimensionen und desto länger ist die Verarbeitungszeit. Wenn die Dimensionalität des Datensatzes reduziert werden kann, wird die Verarbeitungszeit kürzer und die Leistung besser, wobei die Konfidenzwerte relativ unverändert bleiben. Die Schnittmenge ist eine Art Mengenlehre, mit der die Anzahl der Attribute in verwandten Mengen reduziert werden kann. Oracle ist eines der RDBMS, verwandte Mengen können auf das Oracle RDBMS als verwandte Tabellen angewendet werden. Der IST-EFP-Algorithmus ist ein vorgeschlagener Algorithmus, der EFP (Expand FP-Growth) mit der Mengenlehre kombiniert. In dieser Studie kann der IST-EFP-Algorithmus die Dimension des Datensatzes auf 87,5 % reduzieren und die Verarbeitungszeit um 26,6 % verbessern.