An associative classifier [17] is a

An associative classifier [17] is another type of comprehensible and popularly used classifier. The associative classification rules are generated by association rule algorithms, such as the Apriori algorithm [1], but with the right hand side of the rule being fixed as the class attribute. An associative classification rule is just a IF-THEN rule. For example, {(outlook = sunny ∧ wind = false) class = play tennis} implies that the target class is play tennis if the attributes outlook is sunny and wind is false. Because associative classification rule-generating algorithms usually consider multiple variables simultaneously, a classifier formed
by these rules can be less greedy than decision trees. Indeed, previous work has successfully shown the competitive accuracy performance of associative classifiers, such as CMAR [16], CPAR [28], HARMONY [24],LAC [23] and GARC [5]. Associative classification has been popularly applied in practice, such as detecting products missing from the shelf [19], maximizing customer satisfaction [14] and predicting patients' hospitalization [27].

Kết quả (Việt) 2:

Công cụ phân loại kết hợp [17] là một loại phân loại dễ hiểu và sử dụng phổ biến. Các quy tắc phân loại kết hợp được tạo ra bởi thuật toán luật kết hợp, chẳng hạn như [1] thuật toán Apriori, nhưng với phía bên tay phải của quy tắc được định hình như là thuộc tính class. Một quy tắc phân loại kết hợp chỉ là một IF-THEN cai trị là. Ví dụ, {(outlook = ∧ nắng gió = false) class = chơi tennis} ngụ ý rằng các lớp mục tiêu là chơi tennis nếu triển vọng thuộc tính là nắng và gió là sai. Bởi vì các thuật toán phân loại kết hợp quy tắc tạo thường xem xét nhiều biến cùng một lúc, một phân loại được hình thành
bởi các quy tắc này có thể được ít tham lam hơn cây quyết định. Thật vậy, công việc trước đây đã thể hiện thành công việc thực hiện chính xác cạnh tranh của phân loại kết hợp, chẳng hạn như CMAR [16], CPAR [28], HARMONY [24], LAC [23] và GARC [5]. Phân loại kết hợp đã được ứng dụng rộng rãi trong thực tế, chẳng hạn như phát hiện các sản phẩm lỗi từ các kệ [19], tối đa hóa sự hài lòng của khách hàng [14] và dự đoán nằm viện của bệnh nhân [27].