Cette séance de cours couvre Association Rule Mining, en se concentrant sur la recherche de règles telles que Body Head avec des mesures de soutien et de confiance, illustrées par un exemple d'analyse de panier. Il explique les règles unidimensionnelles et multidimensionnelles, les fonctions de notation, l'algorithme Apriori et les étapes impliquées dans les règles d'association minière.
Co-Founder of LinkAlong Sarl, 2017.Vice-president EPFL for Information Systems, 2012 –2016.Director of the Swiss National Centre for Mobile Information and Communication Systems NCCR MICS (mics.ch), 2005 -2012.Member of the Swiss Research and Technology Council SWTR, consulting the Swiss Federal government, 2004 - 2011.
Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.
This course introduces the foundations of information retrieval, data mining and knowledge bases, which constitute the foundations of today's Web-based distributed information systems.
Explore Association Rule Mining, en mettant l'accent sur les éléments fréquents et les mesures alternatives d'intérêt, y compris l'algorithme FP-Growth et la comparaison des performances.
Introduit l'extraction de règles d'association, couvrant le support, la confiance, l'algorithme Apriori et la croissance des FP pour la découverte fréquente d'éléments.
Couvre les règles d'association minière, se concentrant sur les algorithmes de croissance d'Apriori et de FP pour trouver des itemset fréquents et extraire les règles efficacement.
Couvre les défis et les opportunités de l'exploration de données, des questions pratiques, des composants d'algorithmes et des applications telles que l'analyse du panier d'achat.
