Pertanyaan yang diberi tag «association-rules»

Adakah deskripsi yang sangat sederhana tentang perbedaan praktis antara kedua teknik ini? Keduanya tampaknya digunakan untuk pembelajaran yang diawasi (meskipun aturan asosiasi juga dapat menangani tanpa pengawasan). Keduanya dapat digunakan untuk prediksi Deskripsi terdekat yang saya temukan dengan deskripsi 'baik' adalah dari Statsoft Textbook . Mereka mengatakan Aturan Asosiasi digunakan …

19 data-mining  association-rules 

Saya menggunakan R (dan paket arules) untuk menambang transaksi untuk aturan asosiasi. Yang ingin saya lakukan adalah membuat aturan dan kemudian menerapkannya pada data baru. Misalnya, saya punya banyak aturan, salah satunya kanonik {Beer=YES} -> {Diapers=YES}. Lalu saya punya data transaksional baru di mana salah satu catatan telah membeli bir …

11 r  data-mining  association-rules 

Saya sedang melakukan studi tentang penggunaan polydrug. Saya memiliki set data 400 pecandu narkoba, yang masing-masing menyatakan narkoba yang mereka penyalahgunaan. Ada lebih dari 10 obat dan karenanya ada kemungkinan kombinasi yang besar. Saya telah mencatat ulang sebagian besar obat yang mereka konsumsi menjadi variabel biner (yaitu heroin adalah 1 …

10 hypothesis-testing  clustering  combinatorics  association-measure  association-rules 

My dataset:My dataset:My \ \ dataset: 1:A,B,C,E1:A,B,C,E1: A,B,C,E 2:A,C,D,E2:A,C,D,E2:A,C,D,E 3: B,C,E3: B,C,E3:\ \ \ \ \ B,C,E 4:A,C,D,E4:A,C,D,E4:A,C,D,E 5: C,D,E5: C,D,E5:\ \ \ \ C, D, E 6: A,D,E6: A,D,E6: \ \ \ \ A, D,E Saya ingin mengetahui set item sering maksimal dan set item sering tertutup . Set …

10 data-mining  dataset  association-rules 

Proyek saya saat ini mungkin mengharuskan saya untuk membuat model untuk memprediksi perilaku sekelompok orang tertentu. set data pelatihan hanya berisi 6 variabel (id hanya untuk tujuan identifikasi): id, age, income, gender, job category, monthly spend di mana monthly spendadalah variabel respon. Tetapi dataset pelatihan berisi sekitar 3 juta baris, …

8 modeling  large-data  overfitting  clustering  algorithms  error  spatial  r  regression  predictive-models  linear-model  average  measurement-error  weighted-mean  error-propagation  python  standard-error  weighted-regression  hypothesis-testing  time-series  machine-learning  self-study  arima  regression  correlation  anova  statistical-significance  excel  r  regression  distributions  statistical-significance  contingency-tables  regression  optimization  measurement-error  loss-functions  image-processing  java  panel-data  probability  conditional-probability  r  lme4-nlme  model-comparison  time-series  probability  probability  conditional-probability  logistic  multiple-regression  model-selection  r  regression  model-based-clustering  svm  feature-selection  feature-construction  time-series  forecasting  stationarity  r  distributions  bootstrap  r  distributions  estimation  maximum-likelihood  garch  references  probability  conditional-probability  regression  logistic  regression-coefficients  model-comparison  confidence-interval  r  regression  r  generalized-linear-model  outliers  robust  regression  classification  categorical-data  r  association-rules  machine-learning  distributions  posterior  likelihood  r  hypothesis-testing  normality-assumption  missing-data  convergence  expectation-maximization  regression  self-study  categorical-data  regression  simulation  regression  self-study  self-study  gamma-distribution  modeling  microarray  synthetic-data