Εξόρυξη Συχνών Στοιχειοσυνόλων και Κανόνων Συσχέτισης

• Κύριοι συγγραφείς: Verykios, Vasileios, Kagklis, Vasileios, Stavropoulos, Ilias, Βερύκιος, Βασίλειος, Καγκλής, Βασίλειος, Σταυρόπουλος, Ηλίας
• Μορφή: 7
• Γλώσσα: Greek
• Έκδοση: 2016
• Θέματα: ΕΞΟΡΥΞΗ ΔΕΔΟΜΕΝΩΝ; ΣΤΑΤΙΣΤΙΚΗ; ΕΠΙΣΤΗΜΗ ΤΩΝ ΔΕΔΟΜΕΝΩΝ; ΑΝΑΛΥΣΗ ΜΕΓΑΛΩΝ ΔΕΔΟΜΕΝΩΝ; ΜΗΧΑΝΙΚΗ ΜΑΘΗΣΗ; ΔΕΝΤΡΑ ΑΠΟΦΑΣΗΣ; ΚΑΝΟΝΕΣ ΣΥΣΧΕΤΙΣΗΣ; ΚΑΤΗΓΟΡΙΟΠΟΙΗΣΗ; ΣΥΣΤΑΔΟΠΟΙΗΣΗ; ΚΑΘΑΡΙΣΜΟΣ ΔΕΔΟΜΕΝΩΝ; ΑΝΑΛΥΤΙΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΔΕΔΟΜΕΝΩΝ; Data Mining; Statistics; Data Science; Big Data Analytics; Machine Learning; Decision Trees; Association Rules; Classification; Clustering; Data Cleaning; NoSQL Databases; OLAP; Hadoop; Mapreduce

Ο βασικός στόχος αυτού του κεφαλαίου είναι η ανάλυση συσχετίσεων μεταξύ αντικειμένων. Η ανάλυση συσχέτισης ήταν η μοναδική βασική εργασία που θεωρείται ότι αναπτύχθηκε ολοκληρωτικά στα πλαίσια του αντικειμένου της εξόρυξης δεδομένων σε αντίθεση με όλες τις άλλες εργασίες. Οι αλγόριθμοι της εξόρυξης συχνών στοιχειοσυνόλων και κανόνων συσχέτισης παρουσιάζουν μεγάλη πολυπλοκότητα, και για αυτό κύριο μέλημα των διαφόρων τεχνικών όπως η αρχή Apriori, είναι η μείωση της υπολογιστικής πολυπλοκότητας. Στο κεφάλαιο αυτό παρουσιάζονται και διάφορες συμπαγείς αναπαραστάσεις συχνών στοιχειοσυνόλων, όπως και οι σχέσεις μεταξύ τους.