【KDD2019|讲座推荐】假设检验与统计声音模式挖掘：Hypothesis Testing and Statistically-sound Pattern Mining

讲座题目

假设检验与统计声音模式挖掘：Hypothesis Testing and Statistically-sound Pattern Mining

讲座简介

大量数据集的可用性突出表明，需要计算效率高、统计上可靠的方法来提取模式，同时对结果的质量提供严格的保证，特别是在错误发现方面。在本教程中，我们将介绍最近的一些方法，这些方法适当地结合了计算和统计方面的考虑，以便有效地从大型数据集中挖掘统计上可靠的模式。我们首先介绍统计假设检验中的基本概念，数据挖掘社区中的每个人可能都不熟悉这些概念。然后，我们将解释如何以不同的方式处理模式挖掘中的计算和统计挑战。最后，我们描述了这些方法在市场篮分析、子图挖掘、社会网络分析和癌症基因组学等领域的应用。本教程的目的是向观众介绍统计假设测试，强调正确平衡模式挖掘的计算和统计方面的重要性，强调这样做对数据挖掘研究人员的有用性，并鼓励在这方面的进一步研究。

讲座嘉宾

Leonardo Pellegrina是帕多瓦大学信息工程系信息工程专业的博士生，由法比奥·范丁教授和布朗大学客座研究员指导。他的研究活动集中在高效和统计上合理的算法，用于从大数据中发现模式，并应用到计算生物学。