Processamento de Dados Massivos/Projeto e implementação de aplicações Big Data/Classificação associativa incremental (LAC): diferenças entre revisões

Além disso o LAC possui algumas características que permitem a otimização para a realização da classificação de dados que reduzem a quantidade de acessos aos conjunto de exemplos, fornecendo a mesma taxa de acerto.
 
Portanto, este trabalho tem como objetivo o aproveitamento de tais características para o desenvolvimento de um algoritmo distribuído, chamado Distributed Lazy Associative Classification. OA restranteprincipal destecaracterística trabalhodo estáLAC organizadoutilizada daé seguinteo maneira:cache Ade Seçãoregras #REDIRECIONAMENTOfrequêntes Classificaçãoque Automáticaobjetiva-se apresentaem aarmazenar técnicaas regras de Classificaçãoassociação Automática;mais Nafrequentes Seçãoevitando Lazy Associative Classification (LAC)analisar o algoritmoconjunto LACde éexemplos detalhado;para Nare-extraí-las. SeçãoDesta Extraçãoforma deo Regras''Distributed deLazy AssociaçãoAssociative eClassification'' otem LACpor éobjetivo apresentadomaximizar o problemauso dedeste extraçãorecurso depor regrasmeio de associação,agrupamento suade complexidadedados epor comosimilaridade. oA LAChipótese lidadeste comtrabalho isto;é Naque Seçãoao Distributedprocessar LACconjuntos -de Otimizaçãodados de Cacheteste éaos apresentadoquais ocada algoritmoconjunto propostopossua nesteinstâncias trabalhocom oalta Distributed LACsimilaridade, em que são detalhadas as características que permitem a otimizaçaõutilização do LAC;cache Naaumentará. SeçãoSumarizando, Implementaçãoo em Hadoop mostramosque o projeto de impementação do ''Distributed'' LAC noassume Hadoopé e as decisões de implementação; Na Seção Avaliaçãoque Experimentalquanto detalhamosmaior a avaliaçãosimilaridade experimental,do configuraçãoconjunto de experimentosteste e resultados obtidos; Por fimprocessado, namaior Seçãoa Conclusãoutilização apresentamosdo nossascache conclusões,de trabalhos futuros e considerações finaisregras.
 
== Classificação Automática ==
Utilizador anónimo