Random rules from data streams

• Tipo: Artigo em Livro de Atas de Conferência Internacional
• Data: 2013

Autores

Ezilda Almeida (Autor) Outra; Petr Kosina (Autor) Outra; João Gama (Autor) FEP

Ata de Conferência Internacional

Título: Proceedings of the ACM Symposium on Applied Computing

Páginas: 813-814

28th Annual ACM Symposium on Applied Computing, SAC 2013

Coimbra, 18 March 2013 through 22 March 2013

Indexação

Scopus - 10 Citações

Classificação Científica

FOS: Ciências exactas e naturais > Ciências da computação e da informação

CORDIS: Ciências Físicas > Ciência de computadores

Outras Informações

ID Authenticus: P-008-B2J

DOI: 10.1145/2480362.2480518

Abstract (EN): 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 Natt attributes. The proposed algorithm maintains all properties required when learning from stationary data streams: online and any-time classification, processing each example once. Copyright 2013 ACM.

Idioma: Inglês

Tipo (Avaliação Docente): Científica