Postupci za učenje asocijativnih pravila
Sažetak na hrvatskom: 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 pravil...
| Permalink: | http://skupni.nsk.hr/Record/fer.KOHA-OAI-FER:49982/Details |
|---|---|
| Glavni autor: | Smoljanić, Marin (-) |
| Ostali autori: | Jović, Alan (Thesis advisor) |
| Vrsta građe: | Drugo |
| Impresum: |
Zagreb,
M. Smoljanić,
2017.
|
| Predmet: |
Association rules
> Apriori
> FP-Growth
> support
> support count
> itemset
> confidence
> Weka
> Splunk
> Python
|
| LEADER | 02455na a2200229 4500 | ||
|---|---|---|---|
| 003 | HR-ZaFER | ||
| 008 | 160221s2017 ci ||||| m||| 00| 0 hr d | ||
| 035 | |a (HR-ZaFER)ferid5235 | ||
| 040 | |a HR-ZaFER |b hrv |c HR-ZaFER |e ppiak | ||
| 100 | 1 | |a Smoljanić, Marin | |
| 245 | 1 | 0 | |a Postupci za učenje asocijativnih pravila : |b završni rad / |c Marin Smoljanić ; [mentor Alan Jović]. |
| 246 | 1 | |a Association Rules Learning Methods |i Naslov na engleskom: | |
| 260 | |a Zagreb, |b M. Smoljanić, |c 2017. | ||
| 300 | |a 42 str. ; |c 30 cm + |e CD-ROM | ||
| 502 | |b preddiplomski studij |c Fakultet elektrotehnike i računarstva u Zagrebu |g smjer: Računarska znanost, šifra smjera: 41, datum predaje: 2017-06-09, datum završetka: 2017-07-10 | ||
| 520 | 3 | |a Sažetak na hrvatskom: 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. | |
| 520 | 3 | |a Sažetak na engleskom: The association rules are suitable for finding relationships between multiple variables in large sets of data. Relationships between variables, so-called association rules, are derived in the form of IF-THEN implications. The most commonly used algorithms for generating association rules are Apriori, FP- Growth, Tertius, Eclat and OPUS. This thesis describes the principles of Apriori and FP-Growth algorithms and also describes the procedure of Apriori algorithm implementation within Splunk data management system. Results of Splunk implementation of the Apriori algorithm are compared to multiple data sets with the existing implementation of the same algorithm in the Weka application. | |
| 653 | 1 | |a Asocijativna pravila |a Apriori |a FP-Growth |a signifikantonst |a pouzdanost |a Weka |a Splunk |a Python | |
| 653 | 1 | |a Association rules |a Apriori |a FP-Growth |a support |a support count |a itemset |a confidence |a Weka |a Splunk |a Python | |
| 700 | 1 | |a Jović, Alan |4 ths | |
| 942 | |c Z | ||
| 999 | |c 49982 |d 49982 | ||