Apprendimento supervisionato e non supervisionato per l'espressione genetica

Il clustering degli attributi è una delle applicazioni di data mining non supervisionato che sono state precedentemente utilizzate per identificare la dipendenza statistica tra sottoinsiemi di variabili. Ancora una volta le tecniche di clustering sono importanti nei metodi di data mining per esplorare la struttura naturale e identificare modelli interessanti nei dati originali, inoltre si è dimostrato utile per trovare campioni co-espressi. In questo libro, la teoria degli insiemi grezzi (RST) è stata usata per il clustering degli attributi. RST è una teoria adottata per trattare la conoscenza grezza e incerta, che analizza i cluster e trova i principi dei dati quando la conoscenza precedente non è disponibile. In questa preoccupazione, dopo aver implementato il metodo di clustering degli attributi basato su rough set su un set di dati reali, questi vengono classificati utilizzando alcune delle tecniche di classificazione tradizionali.