Patricia E.N. Lutu ; Andries P. Engelbrecht - A Comparative study of sample selection methods for classification

arima:1880 - Revue Africaine de Recherche en Informatique et Mathématiques Appliquées, 2 septembre 2007, Volume 6, april 2007, joint Special Issue ARIMA/SACJ on Advances in end-user data mining techniques - https://doi.org/10.46298/arima.1880
A Comparative study of sample selection methods for classificationArticle

Auteurs : Patricia E.N. Lutu 1; Andries P. Engelbrecht 1

  • 1 Department of Informatics [Pretoria]

[en]
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.

[fr]
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


Volume : Volume 6, april 2007, joint Special Issue ARIMA/SACJ on Advances in end-user data mining techniques
Publié le : 2 septembre 2007
Soumis le : 16 février 2007
Mots-clés : [INFO]Computer Science [cs], [MATH]Mathematics [math], [en] dataset sampling, data analysis, machine learning, classification, information measures; [fr] échantillonnage d’ensemble de données, analyse de données, apprentissage de machine, classification

Statistiques de consultation

Cette page a été consultée 532 fois.
Le PDF de cet article a été téléchargé 645 fois.