Critères d'évaluation des mesures de qualité des règles d'association
Résumé
Les algorithmes de fouille de données, en particulier dans le cadre de l'apprentissage non-supervisé, génèrent un grand nombre de règles. Il est donc concrètement impossible de procéder à une validation de ces règles en les présentant à un expert du domaine. Afin d'assister ce traitement, de nombreuses mesures de qualité de règles ont été proposées pour sélectionner et ordonner automatiquement les règles. Se pose alors le problème du choix de la mesure de qualité adaptée aux données et aux besoins de l'expert, celui-ci n'étant pas --a priori-- expert en fouille de données. Dans le contexte des règles d'association, nous proposons une caractérisation des mesures en fonction de propriétés ayant une sémantique intuitive nous permettant de mettre en oeuvre un processus d'aide à la décision afin d'assister l'expert dans son choix d'une mesure adaptée à ses besoins et afin de l'aider à sélectionner les meilleures règles.
Origine | Fichiers produits par l'(les) auteur(s) |
---|