Le Regole di Associazioni, cos`ı come sono state definite da Agrawal et al. (1993), rappresentano un potente strumento di Data Mining utile per l’individuazione di pattern e regolarit`a all’interno dei database. Tuttavia, i metodi di ricerca di tali regole tendono a riportare un numero eccessivo di regole, che rendono difficile la loro interpretazione. Per identificare solo la parte di informazione utile, a posteriori vengono utilizzati algoritmi di riduzione del numero di regole. Questo lavoro, invece, propone un approccio, basato su metodi propri dell’Analisi Multidimensionale dei Dati, volto alla identificazione a priori di regole interessanti.
Asymmetric correspondence analysisfor the selection of association rules.
IODICE D'ENZA, Alfonso;
2004-01-01
Abstract
Le Regole di Associazioni, cos`ı come sono state definite da Agrawal et al. (1993), rappresentano un potente strumento di Data Mining utile per l’individuazione di pattern e regolarit`a all’interno dei database. Tuttavia, i metodi di ricerca di tali regole tendono a riportare un numero eccessivo di regole, che rendono difficile la loro interpretazione. Per identificare solo la parte di informazione utile, a posteriori vengono utilizzati algoritmi di riduzione del numero di regole. Questo lavoro, invece, propone un approccio, basato su metodi propri dell’Analisi Multidimensionale dei Dati, volto alla identificazione a priori di regole interessanti.I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
