文献

J-GLOBAL ID：201202227996823514   整理番号：12A1216231

統計的に重要な頻度項目集合を特定するための効率的厳密方式

An Efficient Rigorous Approach for Identifying Statistically Significant Frequent Itemsets

著者 (6件)： KIRSCH Adam (Harvard Univ.) ,  MITZENMACHER Michael (Harvard Univ.) ,  PIETRACAPRINA Andrea (Univ. Padova) ,  PUCCI Geppino (Univ. Padova) ,  UPFAL Eli (Brown Univ.) ,  VANDIN Fabio (Brown Univ.)
資料名： Journal of the ACM (Association for Computing Machinery)  (Journal of the ACM (Association for Computing Machinery))
巻： 59  号： 3  ページ： 12:1-12:22  発行年： 2012年06月 
JST資料番号： C0267A  ISSN： 0004-5411  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 技術進歩が大量データの収集/蓄積/解析を可能にするにつれ,発見パターンの重要性をスクリーニング/評価するタスクが,データマイニングにおける主要課題となった。トランザクションデータセット内頻度項目集合の発見はルールマイニングの基本だが,項目集合の重要性評価,または限定数の偽陽性結果を有する統計的に重要な発見に立てるグラグ(標識)に対して理解が乏しい。頻度項目集合マイニングの文脈における重要性に取組んだ。項目がトランザクション内で独立してセットされるランダムデータセットでは,少なくともs_minに支持されるk項目集合の数がPoisson分布によって近似されるような,最小支持s_minが存在することを証明した。Poisson分布と閾値s_minの期待値は,トランザクション数/項目数/個別項目頻度の関数である。この結果は,小さなFER(False Discovery Rate)を招く統計的に重要なものとして頻度項目集合にフラグを立てる,マイニング方法論の根底となる。拡大実験により提案方法論の有効性を示した。

シソーラス用語： *データマイニング ,  *仮説検定 ,  ベンチマーク ,  集合 ,  故障検出 ,  *Poisson過程 ,  *近似法 ,  頻度 ,  抽出 ,  閾値 ,  モンテカルロ法
準シソーラス用語： 統計的検定 ,  データ集合 ,  パターンマイニング ,  ルールマイニング

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 統計 ,  頻度 ,  集合