Resumen

En los últimos años, cada vez más gente presta atención a la computación en nube. Los usuarios necesitan tratar con datos de magnanimidad en el entorno de la computación en nube. La clasificación puede predecir las necesidades de los usuarios a partir de grandes datos en el entorno de la computación en nube. Algunos métodos de clasificación tradicionales adoptan con frecuencia las dos formas siguientes. Una consiste en eliminar una instancia después de que esté cubierta por una regla; la otra consiste en reducir el peso de la tupla de una instancia después de que esté cubierta por una regla. La calidad de estos clasificadores tradicionales puede no ser alta. Como resultado, no pueden alcanzar una alta precisión de clasificación en algunos datos. En este artículo, presentamos un nuevo enfoque de clasificación, denominado clasificación basada tanto en el peso del valor del atributo como en el peso de la tupla (CATW). CATW se distingue de algunos clasificadores tradicionales en dos aspectos. En primer lugar, CATW utiliza tanto el peso del valor del atributo como el peso de la tupla. En segundo lugar, CATW propone una nueva medida para seleccionar los mejores valores de atributo y generar un conjunto de reglas de clasificación de alta calidad. Nuestros resultados experimentales indican que CATW puede lograr una mayor precisión de clasificación que algunos clasificadores tradicionales.

• Materias:Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:catw, clasificadores tradicionales, peso de tupla, peso de valor, regla de clasificación de alta calidad, mejores valores de atributo, alta precisión de clasificación, mayor precisión de clasificación, nuevo enfoque de clasificación, métodos de clasificación tradicionales
• Keywords:catw, traditional classifiers, tuple weight, value weight, high quality classification rule, best attribute values, high classification accuracy, higher classification accuracy, new classification approach, traditional classification methods