miun.sePublikationer
Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Association Rules in Parameter Tuning: for Experimental Designs
Mittuniversitetet, Fakulteten för naturvetenskap, teknik och medier, Avdelningen för informations- och kommunikationssystem. Sundsvall.
2014 (Engelska)Självständigt arbete på avancerad nivå (magisterexamen), 20 poäng / 30 hpStudentuppsats (Examensarbete)
Abstract [en]

The objective of this thesis was to investigate the possibility ofusing association rule algorithms to automatically generaterules for the output of a Parameter Tuning framework. Therules would be the basis for a recommendation to the user regardingwhich parameter space to reduce during experimentation.The parameter tuning output was generated by means ofan open source project (INPUT) example program. InPUT is atool used to describe computer experiment configurations in aframework independent input/output format. InPUT has adaptersfor the evolutionary algorithm framework Watchmakerand the tuning framework SPOT. The output was imported in Rand preprocessed to a format suitable for association rule algorithms.Experiments were conducted on data for which theparameter spaces were discretized in 2, 5, 10 steps. The minimumsupport threshold was set to 1% and 3% to investigatethe amount of rules over time. The Apriori and Eclat algorithmsproduced exactly the same amount of rules, and the top 5rules with regards to support were basically the same for bothalgorithms. It was not possible at the time to automatically distinguishinguseful rules. In combination with the many manualdecisions during the process of converting the tuning output toassociation rules, the conclusion was reached to not recommendassociation rules for enhancing the Parameter Tuningprocess.

Ort, förlag, år, upplaga, sidor
2014. , s. 54
Nyckelord [en]
Evolutionary Computation, Evolutionary Algorithms, Data mining, association rules, parameter tuning, In- PUT, SPOT
Nationell ämneskategori
Datavetenskap (datalogi)
Identifikatorer
URN: urn:nbn:se:miun:diva-21923OAI: oai:DiVA.org:miun-21923DiVA, id: diva2:716650
Ämne / kurs
Datateknik DT1
Utbildningsprogram
Datateknik TDATG 180 hp
Presentation
2014-01-31, M312, Holmgatan 10, Sundsvall, 10:00 (Engelska)
Handledare
Examinatorer
Tillgänglig från: 2014-05-16 Skapad: 2014-05-12 Senast uppdaterad: 2018-01-11Bibliografiskt granskad

Open Access i DiVA

thesis-AssociationRulesInParameterTuning(1046 kB)324 nedladdningar
Filinformation
Filnamn FULLTEXT01.pdfFilstorlek 1046 kBChecksumma SHA-512
5f111b6965a0b64d54571dbc85dd6508a6bce35f5d5713851324870d363f1c5d49f6c2ce7c5c9e12efa5239fd864c6b201c77ba11e164777779d2511ac8c3cd4
Typ fulltextMimetyp application/pdf

Sök vidare i DiVA

Av författaren/redaktören
Hållén, Henrik
Av organisationen
Avdelningen för informations- och kommunikationssystem
Datavetenskap (datalogi)

Sök vidare utanför DiVA

GoogleGoogle Scholar
Totalt: 324 nedladdningar
Antalet nedladdningar är summan av nedladdningar för alla fulltexter. Det kan inkludera t.ex tidigare versioner som nu inte längre är tillgängliga.

urn-nbn

Altmetricpoäng

urn-nbn
Totalt: 104 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf