一种用于大数据多目标挖掘的引导式 FP-growth 算法
数据库
2018-07-05 v2
摘要
在本文中，我们提出了 GFP-growth（引导式 FP-growth）算法，这是一种用于多目标挖掘的新方法：在大型数据中查找给定大型项集列表的计数。GFP-growth 算法旨在关注感兴趣的特定多项集，并优化时间和内存成本。我们证明了 GFP-growth 算法能产生所需项集的精确频率计数。我们表明，对于许多不同的问题，可以设计出利用多目标挖掘的高效实现来提升性能的解决方案。特别是，我们详细研究了从不平衡数据中生成少数类规则的问题，这种场景出现在许多现实领域，如医疗应用、故障预测、网络与网络安全以及维护。我们开发了利用 GFP-growth 来提升性能的 Minority-Report 算法。我们证明了 Minority-Report 算法的一些理论性质，并通过模拟和真实数据展示了其性能提升。
关键词
引用
@article{arxiv.1803.06632,
title = {A Guided FP-growth algorithm for multitude-targeted mining of big data},
author = {Lior Shabtay and Rami Yaari and Itai Dattner},
journal= {arXiv preprint arXiv:1803.06632},
year = {2018}
}