Knowledge Discovery using Unsupervised Cognition

要約

知識の発見は、データセットを理解して解釈し、そのコンポーネント間の根本的な関係を見つけるための鍵です。
監視されていない認知は、学習データのモデリングに焦点を当てた監視されていない学習アルゴリズムです。
このペーパーでは、すでに訓練されている監視されていない認知モデルをめぐって知識発見を行うための3つの手法を紹介します。
具体的には、パターンマイニングの手法、以前のパターンマイニング手法に基づく機能選択の手法、および以前の機能選択手法に基づく次元削減の手法を提示します。
最終目標は、関連する機能と無関係な機能を区別し、それらを使用して意味のあるパターンを抽出するモデルを構築することです。
私たちは、経験的実験で提案を評価し、知識の発見における最先端の発見を克服することを発見しました。

要約(オリジナル)

Knowledge discovery is key to understand and interpret a dataset, as well as to find the underlying relationships between its components. Unsupervised Cognition is a novel unsupervised learning algorithm that focus on modelling the learned data. This paper presents three techniques to perform knowledge discovery over an already trained Unsupervised Cognition model. Specifically, we present a technique for pattern mining, a technique for feature selection based on the previous pattern mining technique, and a technique for dimensionality reduction based on the previous feature selection technique. The final goal is to distinguish between relevant and irrelevant features and use them to build a model from which to extract meaningful patterns. We evaluated our proposals with empirical experiments and found that they overcome the state-of-the-art in knowledge discovery.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google