Extraction de règles d'association pour la prédiction de valeurs manquantes

Résumé : La présence de valeurs manquantes ou valeurs nulles dans les bases de donnnées a suscité de nombreuses recherches dans le domaine de la découverte des connaissances, notamment en ce qui concerne la prédiction. Cependant, à notre connaissance, peu de telles approches utilisent les règles d'association pour la prédiction des valeurs manquantes. Dans cet article, il est montré comment adapter les différents concepts et algorithmes par niveau liés aux règles d'association, afin d'obtenir des règles fréquentes et de confiance 1, permettant la prédiction de valeurs manquantes dans une table relationnelle. La particularité des règles extraites dans notre approche est que leurs conséquents se présentent sous la forme d'intervalles ou d'ensembles de valeurs, selon que le domaine de l'attribut sur lequel les valeurs sont prédites est soit continu soit discret.
Type de document :
Article dans une revue
Revue Africaine de la Recherche en Informatique et Mathématiques Appliquées, INRIA, 2005, 3, pp.103-124
Liste complète des métadonnées

Littérature citée [9 références]  Voir  Masquer  Télécharger

https://hal.inria.fr/hal-01261706
Contributeur : Coordination Episciences Iam <>
Soumis le : lundi 25 janvier 2016 - 17:13:16
Dernière modification le : mercredi 20 juin 2018 - 15:58:02
Document(s) archivé(s) le : mardi 26 avril 2016 - 11:36:45

Fichier

CARI04_06.pdf
Fichiers éditeurs autorisés sur une archive ouverte

Identifiants

  • HAL Id : hal-01261706, version 1

Collections

Citation

Sylvie Jami, Tao-Yan Jen, Dominique Laurent, Georges Loizou, Oumar Sy. Extraction de règles d'association pour la prédiction de valeurs manquantes. Revue Africaine de la Recherche en Informatique et Mathématiques Appliquées, INRIA, 2005, 3, pp.103-124. 〈hal-01261706〉

Partager

Métriques

Consultations de la notice

208

Téléchargements de fichiers

176