qCBA: 양자화된 데이터에서 학습된 규칙 모델의 후최적화를 위한 R 패키지

규칙 모델을 구축하는 인기 있는 접근 방식 중 하나는 연관 규칙 분류입니다. 그러나 이러한 방법은 종종 다른 규칙 학습기보다 더 큰 모델을 생성하여 생성된 분류기의 이해를 방해합니다. 또한, 이러한 알고리즘은 이산화 단계와 모델 학습을 분리하여 예측 성능 손실을 초래하는 경우가 많습니다. 본 패키지는 이산화된 데이터에서 구축된 규칙 모델을 위한 후처리 알고리즘 모음인 Quantitative Classification based on Associations (QCBA)의 구현을 제시합니다. QCBA 방법은 원래 이산화 단계에서 생성된 빈(bin)의 적합도를 향상시키고 추가적인 가지치기를 수행하여 일반적으로 더 작고 더 정확한 모델을 생성합니다. qCBA 패키지는 CRAN에서 제공되는 arc, arulesCBA, rCBA 및 sbrl을 포함한 여러 규칙 기반 분류 패키지로 생성된 모델을 지원합니다.