Oct, 2017

基于实数目标的主观有趣子群发现

PDF
TL;DR该研究介绍了一种基于主观趣味性框架的方法，用于在高维数据中查找最具信息量的子组。该方法可以同时考虑多个实值目标属性，并且通过迭代数据挖掘支持知识的应用。
high-dimensional datadata miningsubgroupsreal-valued attributessubjective interestingness
发现论文，激发创造
  • 使用主观有趣子群及层次目标挖掘 Java 内存错误

    通过 Subgroup Discovery 技术，针对企业资源规划系统（ERP）中的复杂目标概念，对发生的内存溢出问题进行数据挖掘，并提出了一种处理具有层次结构的复杂目标概念的新方法。

    Oct, 2023

  • 使用 MDL 方法寻找数值目标的优秀子组列表

    本文提出了一种基于 MDL 原则和子组列表的分散感知问题制定的子组集发现方法，提出了 SSD++ 启发式算法，能够返回具有强烈差异的均值和小变差的紧凑子组的非冗余集合。

    Jun, 2020

  • 实值数据集的项集

    本文提出了一种基于实值项集的质量评分方法，并通过将数据集转换为二进制数据并计算其支持度的方法来解决阈值问题，从而有效地发现出具有统计显著性的模式。

    Feb, 2019

  • 基于数据驱动的线性回归子群识别

    本文提出 DDGroup 方法，一种基于数据的方法，能够有效识别在特征和标签之间具有统一线性关系的数据子群组。DDGroup 可以发现参数法无法发现的具有 qualitatively different relationships 的数据子群组。

    Apr, 2023

  • 鲁棒子空间聚类

    该研究介绍了一种受稀疏子空间聚类算法启发的算法，并开发了一些新颖的理论，展示了其正确性。理论利用几何泛函分析的思想，表明算法可以在最小的方向和每个子空间的样本数量的要求下准确地恢复底层子空间，并通过合成和实际数据实验证明了算法的有效性。

    Jan, 2013

  • 使用约束发现稀疏和替代子集描述

    通过使用限制条件和启发式搜索方法，本研究提出了一种在子群发现中提供简单解释并优化的方法，探讨了使用稀疏特征描述子群并寻找具有相似数据对象的替代子群描述的问题，同时证明了这两种限制条件会导致一个 NP - 困难优化问题。通过实验比较，本研究表明启发式方法在有限制条件的子群发现中可以在短时间内产生高质量的子群。

    Jun, 2024

  • 使用基于离散修正子群发现的方法确定关于数值数据的一致性描述

    该论文介绍了一种通过乐观估计器框架进行最优子集发现的方法，该方法使用子集大小、中位数和中位数周围的离散度来确定所有函数，并且经过了广泛的实证评估，证明可以发现具有更小误差的子集。

    Jan, 2017

  • 通过端到端最大化 KL 散度学习异常子群

    使用 Syflow 方法和正则化流来寻找和描述具有异常目标特性的子群，并提供易于解释的子群描述。

    Feb, 2024

  • 从物理数据学习有效的良好变量

    通过回归模型和分类模型，我们提出并测试了两种机器学习方法来发现可能的原始变量组合，应用于描述传热现象和普遍引力定律。

    Jan, 2024

  • 带有异常值的子空间聚类的几何分析

    本研究考虑了一个不带标签数据集的聚类问题，它们被认为靠近低维平面的联合。研究人员发展了一种新的基于几何分析的算法，名为稀疏子空间聚类（SSC），可以广泛应用于无监督学习和计算机视觉等领域，论文展示了它在多个方面的有效性，并开创了有关稀疏恢复问题的新思路，数值研究强调了方法的实用性。

    Dec, 2011