Advanced search options

Advanced Search Options 🞨

Browse by author name (“Author name starts with…”).

Find ETDs with:

in
/  
in
/  
in
/  
in

Written in Published in Earliest date Latest date

Sorted by

Results per page:

You searched for subject:(asociativna pravila). One record found.

Search Limiters

Last 2 Years | English Only

No search limiters apply to these results.

▼ Search Limiters

1. Hrovat, Goran. Rekurzivna delitev modelov linearne regresije za oceno zanimivosti asociativnih pravil v različnih časovnih obdobjih.

Degree: 2018, Univerza v Mariboru

Zanimivosti asociativnih pravil ali pogostih množic postavk se lahko skozi čas spreminjajo. Prav tako je lahko njihova zanimivost različna za različne skupine (npr. skupine ljudi). V doktorski disertaciji je predstavljen nov algoritem za določanje zanimivosti asociativnih pravil in množic postavk v različnih časov¬nih obdobjih. Algoritem odkriva skupine pacientov, ki se glede na trend zanimivosti asociativnega pravila statistično značilno razlikujejo. Rezultat algoritma je odločitveno regresijsko drevo, katerega povezave predstavljajo različne skupine pacientov, listi pa prikazujejo grafe z zanimivostmi asociativnega pravila ali množice postavk v različnih časovnih obdobjih. Pokazali smo tudi, da podpora pogoste množice postavk vpliva na kompleksnost zgrajenega regresijskega drevesa. Za demonstracijo smo uporabili elektronske zdravstvene zapise, zbrane v obdobju 15 let, ki predstavljajo odpuste pacientov iz različnih bolnišnic v Združenih državah Amerike. Predstavljeni algoritem predstavlja v tem primeru uporabno vrednost za bolnišnice, zavarovalnice, raziskovalne in ostale institucije, saj jih lahko odkrito znanje vodi do novih spoznanj in optimizacije poslovanja.

Interestingness measures of association rules and frequent itemsets can change through time. Moreover their interestingness measure can also be different for different groups (e.g. groups of people). The doctoral dissertation presents a new algorithm for assessing the interestingness of association rules and itemsets in different time periods. The algorithm discovers groups of patients which statistically significantly differ depending on the trend of the interestingness of the association rule. The result of the algorithm is a decision regression tree where branches represent different patient groups with leaves representing interestingness of the association rule or itemset in different time periods. We have also shown that support of the itemset affects the complexity of the built regression tree. For the demonstration, we used electronic health records collected over a period of 15 years, representing patient discharges from various hospitals in the United States of America. In this case, the presented algorithm shows useful value for hospitals, insurance companies, research and other institutions, where discovered knowledge may leads to new insights and business optimization.

Advisors/Committee Members: Štiglic, Gregor.

Subjects/Keywords: podatkovno rudarjenje; mere zanimivosti; asociativna pravila; podpora odločanju; regresijsko dre-vo; linearna regresija; elektronski zdravstveni zapis; data mining; interestingness measures; association rules; decision support; regression tree; linear regression; electronic health record; info:eu-repo/classification/udc/005.31:519.816(043.3)

Record DetailsSimilar RecordsGoogle PlusoneFacebookTwitterCiteULikeMendeleyreddit

APA · Chicago · MLA · Vancouver · CSE | Export to Zotero / EndNote / Reference Manager

APA (6th Edition):

Hrovat, G. (2018). Rekurzivna delitev modelov linearne regresije za oceno zanimivosti asociativnih pravil v različnih časovnih obdobjih. (Doctoral Dissertation). Univerza v Mariboru. Retrieved from https://dk.um.si/IzpisGradiva.php?id=70954 ; https://dk.um.si/Dokument.php?id=126337&dn= ; https://plus.si.cobiss.net/opac7/bib/21567254?lang=sl

Chicago Manual of Style (16th Edition):

Hrovat, Goran. “Rekurzivna delitev modelov linearne regresije za oceno zanimivosti asociativnih pravil v različnih časovnih obdobjih.” 2018. Doctoral Dissertation, Univerza v Mariboru. Accessed January 22, 2020. https://dk.um.si/IzpisGradiva.php?id=70954 ; https://dk.um.si/Dokument.php?id=126337&dn= ; https://plus.si.cobiss.net/opac7/bib/21567254?lang=sl.

MLA Handbook (7th Edition):

Hrovat, Goran. “Rekurzivna delitev modelov linearne regresije za oceno zanimivosti asociativnih pravil v različnih časovnih obdobjih.” 2018. Web. 22 Jan 2020.

Vancouver:

Hrovat G. Rekurzivna delitev modelov linearne regresije za oceno zanimivosti asociativnih pravil v različnih časovnih obdobjih. [Internet] [Doctoral dissertation]. Univerza v Mariboru; 2018. [cited 2020 Jan 22]. Available from: https://dk.um.si/IzpisGradiva.php?id=70954 ; https://dk.um.si/Dokument.php?id=126337&dn= ; https://plus.si.cobiss.net/opac7/bib/21567254?lang=sl.

Council of Science Editors:

Hrovat G. Rekurzivna delitev modelov linearne regresije za oceno zanimivosti asociativnih pravil v različnih časovnih obdobjih. [Doctoral Dissertation]. Univerza v Mariboru; 2018. Available from: https://dk.um.si/IzpisGradiva.php?id=70954 ; https://dk.um.si/Dokument.php?id=126337&dn= ; https://plus.si.cobiss.net/opac7/bib/21567254?lang=sl

.