基于关联规则的分类模型系统

摘要：

关联分类是数据挖掘及机器学习领域的一个研究热点.利用原子关联分类算法(CAAR)建立了数据模型的机器学习系统,详细说明了CAAR算法的分类步骤并给出了算法的伪代码表示.在UCI提供的标准数据集上进行测试,实验验证了在大规模数据集中,在不同的抽样率情况下,原子关联分类算法的分类准确度,用数据的方式与其他分类算法做了比较.对数据集记录次序的依赖性进行的10-折交叉验证实验表明,原子关联分类算法的分类准确度要高于CBA算法.

关键词：数据挖掘、原子关联规则、分类、机器学习

所属期刊栏目：18

分类号：TP3;TU9

在线出版日期：2009-07-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：80-83