基于模式计数的数据集标签

属性-值组合的计数对于数据集的剖析至关重要，尤其在确定适用性与消除偏差和不公平方面。虽然某些数据集剖析中可能存储了单个属性值的计数，但属性组合过多，以至于为每种组合存储计数并不现实。本文发展了存储一种有限大小“标签”的概念，该标签可用于获得这些计数的良好估计。本文中的标签包含数据中选定模式——属性值组合——的计数信息。我们定义了一种估计函数，利用该标签估计每种模式的计数。我们给出在标签大小受限下寻找最优标签的问题，并提出了一种生成最优标签的启发式算法。我们通过实验展示了由所得标签导出的计数估计的准确性以及我们算法的效率。