通过挖掘最优几何子块发现描述性瓦片树
数据结构与算法
2019-02-11 v1
摘要
在分析二值数据时，结果的可解释性至关重要。然而，许多现有方法发现的模型要么难以阅读，要么返回的结果过多以至于无法解释。本文研究一种用于二值数据、完全自动化的易解释模型挖掘方法。我们用含噪瓦片（即密度与其父瓦片显著不同的矩形）对数据进行层次化建模。为识别优良的树结构，我们采用最小描述长度（Minimum Description Length）原理。我们提出 STIJL，一种用于从二值数据中挖掘优良瓦片树的贪心任意时间算法。它迭代地寻找对当前树的局部最优添加，允许与同父瓦片重叠。本文的一个主要结果是，我们仅以 的时间找到最优瓦片。STIJL 既可作为 top- 挖掘器使用，也可通过 MDL 识别出最能描述数据的树。实验表明，我们找到了简洁且准确概括数据的模型，并因其层次特性而易于解释。
引用
@article{arxiv.1902.02861,
title = {Discovering Descriptive Tile Trees by Mining Optimal Geometric Subtiles},
author = {Nikolaj Tatti and Jilles Vreeken},
journal= {arXiv preprint arXiv:1902.02861},
year = {2019}
}