Mechanizing Hypothesis Formation: Principles and Case Studies

تشکیل فرضیه مکانیزه رویکردی برای تجزیه و تحلیل داده های اکتشافی است. توسعه آن در دهه 1960 با الهام از این سوال آغاز شد: "آیا رایانه ها می توانند فرضیه های علمی را فرموله و تأیید کنند؟". این توسعه منجر به یک نظریه کلی از منطق کشف شد. این محاسبات شامل محاسبات نظری است که با گزاره‌های نظری سروکار دارند و همچنین محاسبات مشاهده‌ای که با گزاره‌های مشاهده‌ای مربوط به نتایج متناهی مشاهده سروکار دارند. هر دو محاسبات از طریق آزمون فرضیه های آماری به هم مرتبط هستند. روش GUHA ابزاری برای منطق کشف است. از یک رابطه یک به یک بین گزاره های نظری و مشاهده ای برای به دست آوردن همه گزاره های نظری جالب استفاده می کند. یک روش GUHA تمام عبارات مشاهده‌ای جالب را تولید می‌کند و آنها را در داده‌های مشاهده‌ای مشخص تأیید می‌کند. خروجی روش شامل تمام عبارات مشاهده ای درست در داده های داده شده است. چندین رویه GUHA که با قوانین انجمن، قوانین زوج‌های انجمن، قوانین عمل، هیستوگرام‌ها، زوج‌های هیستوگرام، و الگوهای مبتنی بر جداول احتمالی عمومی سروکار دارند، در سیستم LISp-Miner توسعه‌یافته در دانشگاه اقتصاد و تجارت پراگ دخیل هستند. نتایج مختلفی در مورد محاسبات رصدی به دست آمد و همراه با سیستم LISp-Miner به کار رفت.

این کتاب مروری کوتاه بر منطق کشف را پوشش می‌دهد. نمونه‌های بسیاری از کاربردهای رویه‌های GUHA برای حل مشکلات واقعی مربوط به داده‌کاوی و هوش تجاری ارائه شده‌اند. مروری بر نتایج تحقیقات اخیر مربوط به پرداختن به دانش دامنه در داده کاوی و اتوماسیون آن ارائه شده است. تجربیات دست اول با اجرای روش GUHA در زبان پایتون ارائه شده است.

Mechanizing hypothesis formation is an approach to exploratory data analysis. Its development started in the 1960s inspired by the question “can computers formulate and verify scientific hypotheses?”. The development resulted in a general theory of logic of discovery. It comprises theoretical calculi dealing with theoretical statements as well as observational calculi dealing with observational statements concerning finite results of observation. Both calculi are related through statistical hypotheses tests. A GUHA method is a tool of the logic of discovery. It uses a one-to-one relation between theoretical and observational statements to get all interesting theoretical statements. A GUHA procedure generates all interesting observational statements and verifies them in a given observational data. Output of the procedure consists of all observational statements true in the given data. Several GUHA procedures dealing with association rules, couples of association rules, action rules, histograms, couples of histograms, and patterns based on general contingency tables are involved in the LISp-Miner system developed at the Prague University of Economics and Business. Various results about observational calculi were achieved and applied together with the LISp-Miner system.

The book covers a brief overview of logic of discovery. Many examples of applications of the GUHA procedures to solve real problems relevant to data mining and business intelligence are presented. An overview of recent research results relevant to dealing with domain knowledge in data mining and its automation is provided. Firsthand experiences with implementation of the GUHA method in the Python language are presented.