Postupci za učenje asocijativnih pravila (CROSBI ID 411073)
Ocjenski rad | sveučilišni preddiplomski završni rad
Podaci o odgovornosti
Smoljanić, Marin
Jović, Alan
hrvatski
Postupci za učenje asocijativnih pravila
Asocijativna pravila pogodna su za pronalaženje relacijskih odnosa između više varijabli u velikim skupovima podataka. Odnosi između varijabli, takozvana asocijativna pravila, izvode se u obliku implikacija AKO-ONDA. Najčešće korišteni algoritmi generiranja asocijativnih pravila su Apriori, FP-Growth, Tertius, Eclat i OPUS. U okviru ovog rada opisani su principi rada algoritama Apriori i FP-Growth te je opisan postupak implementacija algoritma Apriori unutar sustava za upravljanje podatcima imena Splunk. U konačnici vlastita implementacija algoritma Apriori uspoređena je na više skupova podataka sa postojećom implementacijom istog algoritma u aplikaciji imena Weka.
Asocijativna pravila, Apriori, FP-Growth, signifikantnost, pouzdanost, Weka, Splunk, Python
nije evidentirano
engleski
Association Rules Learning Methods
nije evidentirano
Association rules, Apriori, FP-Growth, support, support count, itemset, confidence, Weka, Splunk, Python
nije evidentirano
Podaci o izdanju
46
03.07.2017.
obranjeno
Podaci o ustanovi koja je dodijelila akademski stupanj
Fakultet elektrotehnike i računarstva
Zagreb