Avaliando a relação entre quão corretas e interessantes podem ser as regras de associação descobertas

  • Viviane Dal Molin de Souza
  • Deborah Ribeiro Carvalho

Resumo

A grande maioria dos algoritmos de Data Mining apresenta o conhecimento descoberto na forma de uma longa
lista de regras, a partir da qual o usuário deve pesquisar e identificar aquelas que realmente possuem qualidade e
tem algo a acrescentar ao processo de decisão. Ocorre que muitas vezes esta lista é tão grande que inviabiliza o
trabalho de análise a ser desenvolvido. Nestes casos pode ser adotada uma fase de pós-processamento do
conhecimento descoberto, a qual pode selecionar um sub-conjunto das regras descobertas, sob o critério da
qualidade, ou seja, do grau de acerto das regras. Desta forma o usuário receberia um conjunto bem reduzido de
regras a ser avaliado, o que facilitaria a sua análise. Este artigo apresenta e discute cinco medidas de pósprocessamento
com o objetivo de avaliar se as medidas selecionadas sob a perspectiva da qualidade, são efetivamente
interessantes para o usuário como elemento de apoio ao processo decisório

Publicado
2018-08-07