灵活挖掘更优子群

在子群发现（也称为监督模式挖掘）中，发现高质量的一维子群及其细化是一项关键任务。对于标称属性，这相对直接，因为我们可以将单个属性值视为二元特征。对于数值属性，该任务更具挑战性，因为单个数值并非可靠的统计量。相反，我们可以考虑相邻值的组合，即分箱。然而，现有的分箱策略并非为子群发现量身定制。也就是说，它们不直接优化子群的质量，从而可能降低挖掘结果。为解决此问题，我们提出 FLEXI。简而言之，通过 FLEXI 我们提议使用最优分箱为数值和有序属性寻找高质量的二元特征。我们用各种质量度量实例化 FLEXI，并展示如何相应实现高效性。在合成与真实数据集上的实验表明，FLEXI 在子群质量上优于当前最优方法 (state of the art)，最高提升达 25 倍。