OSACA: Découverte d'attributs symboliques ordinaux
| Autor: | Marsala, Christophe, Laurent, Anne, Lesot, Marie-Jeanne, Rifqi, Maria, Castelltort, Arnaud |
|---|---|
| Přispěvatelé: | Learning, Fuzzy and Intelligent systems (LFI), LIP6, Sorbonne Université (SU)-Centre National de la Recherche Scientifique (CNRS)-Sorbonne Université (SU)-Centre National de la Recherche Scientifique (CNRS), WEB-CUBE, Laboratoire d'Informatique de Robotique et de Microélectronique de Montpellier (LIRMM), Centre National de la Recherche Scientifique (CNRS)-Université de Montpellier (UM)-Centre National de la Recherche Scientifique (CNRS)-Université de Montpellier (UM), Laboratoire d'économie mathématique et de microéconomie appliquée (LEMMA), Université Panthéon-Assas (UP2)-Sorbonne Université (SU) |
| Jazyk: | francouzština |
| Rok vydání: | 2018 |
| Předmět: |
Gradual Patterns
Mesure d'entropie d'ordre Rank Discrimination Measure [INFO.INFO-LG]Computer Science [cs]/Machine Learning [cs.LG] Motifs graduels Ordinal Attributes [INFO]Computer Science [cs] Mathematical Morphology Attributs ordinaux Morphologie mathématique [INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI] |
| Zdroj: | 27èmes Rencontres Francophones sur la Logique Floue et ses Application LFA: Logique Floue et ses Application LFA: Logique Floue et ses Application, Nov 2018, Arras, France. pp.43-50 |
| Popis: | International audience; This paper proposes to exploit heterogeneous data, i.e. data described by both numerical and categorical features, so as to discover whether, based on information provided by the numerical attributes, some categorical attributes actually are ordinal ones. The proposed 3-step methodology OSACA, first extracts gradual patterns from the numerical attributes ; it then applies mathematical morphology tools to induce an associated order on the categorical attributes. The third step evaluates the quality of the candidate rankings through measures derived from the rank entropy discrimination.; Les bases de données dites hétérogènes contiennent des données décrites par des attributsà la fois symboliques et numériques. Cet article propose une méthode, appelée OSACA, pour identifier, parmi les attributs symboliques, les attributs ordinaux, en exploitant les informations fournies par les attributs numériques. Pour ce faire, OSACA procède en trois étapes : des motifs graduels sont d'abord extraits des attributs numériques. Des filtres morphologiques sont ensuite appliqués aux attributs symboliques pour déterminer des ordres sur les valeurs catégoriellesà partir de l'ordre induit par les motifs graduels. Enfin, une mesure d'entropie d'ordre per-met d'évaluer la pertinence des ordres candidats. |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|