A Comparative study of sample selection methods for classification - Archive ouverte HAL Accéder directement au contenu
Article Dans Une Revue Revue Africaine de Recherche en Informatique et Mathématiques Appliquées Année : 2007

A Comparative study of sample selection methods for classification

Résumé

Sampling of large datasets for data mining is important for at least two reasons. The processing of large amounts of data results in increased computational complexity. The cost of this additional complexity may not be justifiable. On the other hand, the use of small samples results in fast and efficient computation for data mining algorithms. Statistical methods for obtaining sufficient samples from datasets for classification problems are discussed in this paper. Results are presented for an empirical study based on the use of sequential random sampling and sample evaluation using univariate hypothesis testing and an information theoretic measure. Comparisons are made between theoretical and empirical estimates.
L’échantillonnage pour le minage de large ensemble de données est important pour au moins deux raisons. Le traitement de grande quantité de données a pour résultat une augmentation de la complexité informatique. Le coût de cette complexité additionnelle pourrait être non justifiable. D’autre part, l’utilisation de petits échantillons a pour résultat des calculs rapides et efficaces pour les algorithmes de minage de données. Les méthodes de statistique pour obtenir des échantillons d’ensemble de donnés satisfaisants pour les problèmes de classification sont discutées dans ce papier. Des résultats sont présentés pour une étude empirique basée sur l’utilisation d’échantillonnage aléatoire séquentiel et l’évaluation d’échantillon utilisant le test d’hypothèse univariée et une mesure théorétique de l’information. Des comparaisons sont faites entre des estimations théoriques et empiriques
Fichier principal
Vignette du fichier
arima00606.pdf (253.65 Ko) Télécharger le fichier
Origine : Fichiers éditeurs autorisés sur une archive ouverte
Loading...

Dates et versions

hal-01262348 , version 1 (26-01-2016)

Identifiants

Citer

Patricia E.N. Lutu, Andries P. Engelbrecht. A Comparative study of sample selection methods for classification. Revue Africaine de Recherche en Informatique et Mathématiques Appliquées, 2007, Volume 6, april 2007, joint Special Issue ARIMA/SACJ on Advances in end-user data mining techniques, pp.69--85. ⟨10.46298/arima.1880⟩. ⟨hal-01262348⟩

Collections

INSMI
69 Consultations
971 Téléchargements

Altmetric

Partager

Gmail Facebook X LinkedIn More