| Identifikační kód | RIV/00216224:14330/13:00068420 |
|---|
| Název v anglickém jazyce | Random rules from data streams |
|---|
| Druh | D - Článek ve sborníku |
|---|
| Jazyk | eng - angličtina |
|---|
| Obor - skupina | I - Informatika |
|---|
| Obor | IN - Informatika |
|---|
| Rok uplatnění | 2013 |
|---|
| Kód důvěrnosti údajů | S - Úplné a pravdivé údaje o výsledku nepodléhající ochraně podle zvláštních právních předpisů. |
|---|
| Počet výskytů výsledku | 1 |
|---|
| Počet tvůrců celkem | 3 |
|---|
| Počet domácích tvůrců | 1 |
|---|
| Výčet všech uvedených jednotlivých tvůrců | Almeida Ezilda (státní příslušnost: PT - Portugalská republika)
Petr Kosina (státní příslušnost: CZ - Česká republika, domácí tvůrce: A, vedidk: 5283485)
Joao Gama (státní příslušnost: PT - Portugalská republika) |
|---|
| Popis výsledku v anglickém jazyce | Existing works suggest that random inputs and random features produce good results in classification. In this paper we study the problem of generating random rule sets from data streams. One of the most interpretable and flexible models for data stream mining prediction tasks is the Very Fast Decision Rules learner (VFDR). In this work we extend the VFDR algorithm using random rules from data streams. The proposed algorithm generates several sets of rules. Each rule set is associated with a set of Nattattributes. The proposed algorithm maintains all properties required when learning from stationary data streams: online and any-time classification, processing each example once. |
|---|
| Klíčová slova oddělená středníkem | Data Streams; Classification; Rule Learning; Random Rules |
|---|
| Stránka www, na které se nachází výsledek | - |
|---|
| DOI výsledku | 10.1145/2480362.2480518 |
|---|