
Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
| Autor(es): dc.creator | Dall'agnol, Maicon | - |
| Autor(es): dc.creator | Carvalho, Veronica Oliveira De | - |
| Data de aceite: dc.date.accessioned | 2025-08-21T16:52:23Z | - |
| Data de disponibilização: dc.date.available | 2025-08-21T16:52:23Z | - |
| Data de envio: dc.date.issued | 2025-04-29 | - |
| Data de envio: dc.date.issued | 2023-12-31 | - |
| Fonte completa do material: dc.identifier | http://dx.doi.org/10.1109/ACCESS.2024.3419130 | - |
| Fonte completa do material: dc.identifier | https://hdl.handle.net/11449/297096 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/297096 | - |
| Descrição: dc.description | Among the inherently interpretable learning algorithms are associative classifiers, which are induced in steps. Regarding the ranking step, it is carried out using objective measures in order to sort the rules. Generally, the CSC method is used based on the two standard measures of association rules (support and confidence). However, several measures are available in the literature, leading to a secondary problem, as there is no measure that is suitable for all explorations. In this context, new proposals have emerged, one of which aims to aggregate a set of measures in order to use them simultaneously. The idea is to reduce the need to choose a single measure, also considering different aspects (semantics) for ranking the rules. Works in this context have been proposed. However, they present problems in relation to the performance and/or interpretability of the generated models. In them it is possible to observe an inverse relationship between performance and interpretability, i.e., when model performance is high, interpretability is low (and vice versa). Therefore, this work presents a rule ranking method via aggregation of objective measures, named AC.RankA , to be incorporated into associative classifiers induction flows, aiming to obtain models that present a better balance between performance and interpretability. The method was evaluated by comparing several induction flows when ranking takes place via CSC (baseline) and via AC.RankA. The results demonstrate that AC.RankA can maintain the performance of the models, but with better interpretability. | - |
| Descrição: dc.description | Instituto de Geociências e Ciências Exatas Universidade Estadual Paulista (Unesp), São Paulo | - |
| Descrição: dc.description | Instituto de Geociências e Ciências Exatas Universidade Estadual Paulista (Unesp), São Paulo | - |
| Formato: dc.format | 88862-88882 | - |
| Idioma: dc.language | en | - |
| Relação: dc.relation | IEEE Access | - |
| ???dc.source???: dc.source | Scopus | - |
| Palavras-chave: dc.subject | aggregation | - |
| Palavras-chave: dc.subject | Associative classifiers | - |
| Palavras-chave: dc.subject | interpretability | - |
| Palavras-chave: dc.subject | objective measures | - |
| Palavras-chave: dc.subject | performance | - |
| Palavras-chave: dc.subject | rule ranking | - |
| Título: dc.title | AC.RankA: Rule Ranking Method via Aggregation of Objective Measures for Associative Classifiers | - |
| Tipo de arquivo: dc.type | livro digital | - |
| Aparece nas coleções: | Repositório Institucional - Unesp | |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: