Algorithms for action rule mining

Lukáš Sýkora

Master's thesis

Algoritmy pro těžbu akčních pravidel

Abstract:

Práce se zaměřuje na implementaci algoritmu pro dolování akčních pravidel v jazyce Python,která v současnosti není k dispozici. Práce také popisuje návrh experimentálního algoritmupro generování klasifikačních pravidel z modelů RandomForest, který byl navržen jako alternativapro generování klasifikačních asociačních pravidel pro velké datové sady.Kód implementace je navržen tak, aby umožňoval budoucí rozšíření. Balíček je sdílen s datascience komunitou a snadno se instaluje. Aplikace má rozhraní podobné Scikit-learn. Prácemůže také sloužit jako návod k použití vytvořeného balíčku nebo jako průvodce pro výzkumnépracovníky, kteří by ho chtěli rozšířit, a zároveň poskytuje návod k nalezení akčních pravidel.Součástí textu je také vyhodnocení výkonu pomocí aplikace LISp-Miner, která již podporujedolování akčních pravidel. Implementované řešení má výkon srovnatelný s aplikací LISp-Miner.

Abstract:

This work aims at implementing action rules mining in the Python programming languagesince such implementation is not yet available. The thesis also describes a proposal for anexperimental algorithm for generating classification rules from RandomForest models, whichwas designed as an alternative for using class association rule mining for large datasets.The code of the implementation is designed to allow future extensions. The package is sharedwith the data science community and is easy to install. The application has a Scikit-learn likeinterface. The thesis can also serve as a manual for using the created package or as a guide forresearchers who would like to extend it, providing also guide to action rule discovery. The textalso includes performance evaluation with the application LISp-Miner, which already supportsaction rules mining. The implemented solution has performance comparable to LISp-Miner.

Keywords

dolování vzorů, Python, akční pravidla

Keywords

Python, pattern mining, action rules

Language used: English

Date on which the thesis was submitted / produced: 7. 3. 2019

Thesis defence

• Date of defence: 11. 6. 2020
• Supervisor: Tomáš Kliegr
• Reader: Jan Rauch

Vysoká škola ekonomická v Praze

Master programme / field:
Aplikovaná informatika / Podniková informatika