Association rules
Item = 속성과 속성값
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
In weather domain
3개의 Item set
Humidity = normal, Windy = false, Play = yes
7 potential rules
If humidity = normal and windy false, **then** play = yes (4/4)
If humidity = normal and play = yes, **then** windy = false (4/6)
If windy = false and play = yes, **then** humidity = normal (4/6)
If windy = false, **then** humidity = normal and play = yes (4/8)
If humidity = normal, **then** windy false and play = yes (4/7)
If play = yes, **then** humidity = normal and windy = false (4/9)
If - , **then** humidity = normal and windy = false and play = yes (4/14)
- : Headless rule
Coverage = 4개
-> Humidity = normal, Windy = false, Play = yes 인 것이 4개
Item set 이 2개라면?
-> 3개의 Potential rule
Linear model
- 선형 회기 분석
각각의 attribute의 weight 값과 실질값
각각의 attribute가 numeric이고, class도 numeric 이면 가장 가까운 함수를 어떻게 정할까?!
-> 거리에 대한 차이가 가장 적은 것으로
단점 : 선형적
-> 곡선으로 그으면 되는데 직선으로 오차가 가장 적은 쪽으로 긋기 때문에 단점
1
2
3
4
5
6
7
8
9
10
11
12
1.0 * Height + (-2.0 * Girth) >= 1.5
-> 1.0 * Height >= 1.5 + 2.0 * Girth
N = 0.04
Instance (Girth, Height) = {(1.75, 6.0) (2.0, 5.0), (2.5, 5.0), (3.0, 6.25)}
Positives = {(1.75, 6.0), (2.0, 5.0)}
Negatives = {(2.5, 5.0), (3.0, 6.25)}
이를 표로 나타내보자!
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
X축 = Girth
Y축 = Height
Linear = (1 * Hegit >= 1.5 + 2.0 * Girth)
Num Girth Height Class Color
1 1.75 6 p Green
2 2.0 5 p Green
3 2.5 5 n Purple
4 3.0 6.25 n Purple
식에 적용해보면, 2번 Instance가 맞지 않다.
따라서, 2번 Instance를 통해 Linear를 옮겨보자!
w for threshold = 0.04 * 1.0 = 0.04
w for Girth = 0.04 * 2.0 = 0.08
w for Height = 0.04 * 5.0 = 0.2
Linear에 더하자!
1.0 * Height + (-2.0 * Girth) >= 1.5
-> 1.2 * Height + (-1.92 * Girth) >= 1.54
~~~
이렇게 되면 또 1개의 Negative 가 오류!
이에 대해 아까 위의 과정을 반복하여, 모든 Instance가 제대로 된 값을 가지면 중단!
N = 0.04로 잡은 이유는 0.4는 너무 크게 움직이고, 0.004는 너무 조금 움직여서 그런다고 한다.
