寒武纪爆发算法用于多目标关联规则挖掘
摘要：关联规则挖掘是数据挖掘领域最研究的研究领域之一，应用范围从购物篮问题到高度可解释的分类系统。传统的关联规则挖掘算法存在一些缺陷，特别是在执行时间、内存使用和生成规则的数量方面。一种替代方案是使用元启发式算法，已经在多个优化问题上使用过。本文有两个目标。首先，我们对最先进的元启发式算法在关联规则挖掘问题上的性能进行了比较。我们使用支持度、置信度和余弦相似度来使用多目标版本的这些算法。其次，我们提出了一种新的算法，通过探索大量的解决方案，有效地从大规模数据集中挖掘规则，类似于寒武纪大爆发的物种多样性爆炸。我们将我们的算法与22个真实数据集上的20种基准算法进行了比较，并展示了我们的算法具有良好的结果，并超过了一些最先进的算法。
作者：Th''eophile Berteloot, Richard Khoury, Audrey Durand
论文ID：2211.12767
分类：Neural and Evolutionary Computing
分类简称：cs.NE
提交时间：2022-11-24