• Visão geral sobre padrões frequentes
• Aplicações
• Alguns trabalhos recentes

Mineração de dados é uma maneira sistemática de organizar dados para facilitar a extração de informações úteis e desconhecidas

• Mineração de regras de associação é uma das formas mais efetivas/populares
• Introduzida para analisar padrões de consumo em supermercados
• Ideia é identificar itens que são frequentemente comprados em uma única transação (padrões frequentes)

• Minerar grandes volumes de dados
• Adaptar/Desenhar algoritmos eficientes para problemas específicos
• Auxiliar especialistas na aplicação desses algoritmos

Problema: encontrar padrões que sejam frequentes em um grupo, e que sejam infrequente nos demais.

• Aplicações:
  • Caracterização de doenças (sadio x doente) (Yeoh et al., 2002)
  • E-learning (Romero et al., 2009)
  • Análise de tráfego em cidades (Lavrac et al., 2004)

• Uso de novas tecnologias para paralelização massiva (GPUs, Xeon-Phi, MapReduce …)
• Uso de heurísticas (e.g. algoritmos genéticos)
• Aplicações diversas

Arefin AS, Vimieiro R, Riveros C, Craig H, Moscato P (2014) An Information Theoretic Clustering Approach for Unveiling Authorship Affinities in Shakespearean Era Plays and Poems. PLoS ONE 9(10): e111445. doi:10.1371/journal.pone.0111445

Milioli, H, Vimieiro, R, Riveros C, Tishchenko, I, Berretta, R, Moscato P (2015) The discovery of novel biomarkers improves breast cancer intrinsic subtype prediction and reconciles the labels in the METABRIC data set. PLoS ONE (em revisão)

Yeoh, E-J; et al. Classification, subtype discovery, and prediction of outcome in pediatric acute lymphoblastic leukemia by gene expression profiling, Cancer Cell, Volume 1, Issue 2, March 2002, Pages 133-143, ISSN 1535-6108, http://dx.doi.org/10.1016/S1535-6108(02)00032-6.

Arefin AS, Vimieiro R, Riveros C, Craig H, Moscato P (2014) An Information Theoretic Clustering Approach for Unveiling Authorship Affinities in Shakespearean Era Plays and Poems. PLoS ONE 9(10): e111445. doi:10.1371/journal.pone.0111445