SlideServe
Télécharger Obtenir Pro
Menu
Accueil Pro
Préférences
ApparenceLight Aide et commentaires
© SlideServe · v2026

Summarization of Frequent Pattern Mining

Mia_John avatar
Mia_John
11 diapositives · 471 Views · Apr 03, 2013

Summarization of Frequent Pattern Mining . What is FPM?. Why being frequent is so important? Application of FPM Decision make/Business Software Debugging Bioinformatics Other data mining tasks Indexing Clustering/Classification/Association Rule . What have been done.

#habit #pattern mining #wont #praxis #memorandum #cavnic #hermosillo #use
Summarization of Frequent Pattern Mining - slide 1
01 / 11Summarization of Frequent Pattern Mining
1 / 17

Télécharger la présentation

Summarization of Frequent Pattern Mining
Une image / un lien ci-dessous est fourni (tel quel) pour télécharger la présentation

Politique de téléchargement : le contenu du site vous est fourni TEL QUEL pour votre information et votre usage personnel ; il ne peut être vendu, concédé sous licence ni partagé sur d’autres sites sans l’accord de son auteur.Le contenu vous est fourni TEL QUEL, pour votre information et votre usage personnel uniquement. Téléchargez la présentation en cliquant sur ce lien. Lors du téléchargement, si vous ne parvenez pas à télécharger une présentation, l’éditeur a peut-être supprimé le fichier de son serveur.Pendant le téléchargement, si vous ne parvenez pas à obtenir une présentation, le fichier a peut-être été supprimé par l’éditeur.

F I N

Plus de contenu associé

Transcription de la présentation

  1. Summarization of Frequent Pattern Mining

  2. What is FPM? • Why being frequent is so important? • Application of FPM • Decision make/Business • Software Debugging • Bioinformatics • Other data mining tasks • Indexing • Clustering/Classification/Association Rule

  3. What have been done • Frequent Itemset Mining • Frequent Sequential Pattern Mining • Frequent Subgraph Mining • Frequent Tree Mining • Mining A Single Large Graph • Frequent motifs

  4. FPM is a way to think E A A E B B A A A B B A A B B F E A A B C E A B F C C D D F C C D C D C D D A D F D C A B D C

  5. Algorithm Foundations • Apriori Property • Enumeration Algorithm • Level-wise search • Depth-first search • Data structure • For Patterns • For Data

  6. Lattice

  7. Apriori R. Agrawal and R. Srikant. Fast algorithms for mining association rules. VLDB, 487-499, 1994

  8. Resource and Tools • Important FPM websites • FIMI workshop website • http://fimi.cs.helsinki.fi/ • Mining Structure Data website • http://hms.liacs.nl/graphs.html • Commercial Databases • Oracle, IBM DB2, SQL Server • General Data Mining Information • KDDNuggets (general/job/software, etc) • Weka (www.cs.waikato.ac.nz/ml/weka/)

  9. Why FPM does not work? • Too many patterns? • What can we do? • Pattern Pruning • Additional constraints? • Pattern summarization • Representative Patterns? • Pattern Ranking

  10. What is missing • The common foundation for FPM, clustering, classification, etc… • FPM formalization • language/compiler/automatic discovery • FPM understanding • How and why they are being generated? • The relationship between dataset and pattern

  11. How FIM relate to the underlying structure of the dataset?