Mint：基于最小描述长度的感兴趣数值模式集挖掘方法
数据库
2020-12-01 v1 人工智能
摘要
模式挖掘在数据挖掘研究中已相当成熟，尤其是在挖掘二值数据集方面。令人惊讶的是，关于数值模式挖掘的工作要少得多，该研究领域仍未得到充分探索。在本文中，我们提出 Mint，一种高效的基于最小描述长度（MDL）的算法，用于挖掘数值数据集。MDL 原理是一个鲁棒且可靠的框架，广泛应用于模式挖掘以及子群发现。在 Mint 中，我们复用 MDL 来发现有用模式，并返回一组具有明确定义边界、覆盖有意义对象群的非冗余重叠模式。Mint 并非基于 MDL 的数值模式挖掘器类别中的唯一方法。在本文呈现的实验中，我们表明 Mint 优于包括 Slim 和 RealKrimp 在内的竞争对手。
引用
@article{arxiv.2011.14843,
title = {Mint: MDL-based approach for Mining INTeresting Numerical Pattern Sets},
author = {Tatiana Makhalova and Sergei O. Kuznetsov and Amedeo Napoli},
journal= {arXiv preprint arXiv:2011.14843},
year = {2020}
}