Redução de Dimensão para Mineração de Regra de Associação

Os valores utilizados como referência da regra de associação mineração são valor de apoio e valor de confiança. Quanto mais alto for o valor de apoio e de confiança, melhores serão as regras resultantes. Os algoritmos de mineração de regra de associação aplicam a aprendizagem não supervisionada porque a regra resultante não está determinada como sendo uma determinada classe. O desempenho dos algoritmos de mineração de regras de associação baseia-se fortemente no tamanho / dimensões do conjunto de dados. O desempenho pode ser medido a partir do tempo em que o processamento é gerado. Quanto maior for o conjunto de dados, as dimensões serão maiores e o tempo de processamento será maior. Se a dimensionalidade do conjunto de dados puder ser podada, o tempo de processamento será mais rápido e o desempenho será melhor, com valores de confiança relativamente inalterados. A intersecção é um tipo de teoria de conjuntos que pode reduzir o número de atributos em conjuntos relacionados. Oracle é um dos RDBMS, os conjuntos relacionados podem ser aplicados ao RDBMS Oracle como as tabelas relacionadas. O algoritmo IST-EFP é um algoritmo proposto que combina o EFP (Expandir FP-Growth) com a teoria de conjuntos. Neste estudo, o algoritmo IST-EFP pode reduzir a dimensão do conjunto de dados para 87,5% com uma melhoria de 26,6% no processamento do tempo.