ラフ･セット理論の続き

ラフ・セット理論は、与えられたデータを数の少ない適切なサブセットを選択することにより、少ないデータ量で、データ全体の特徴をシンプルに把握するという考えです。その理論を一歩進めて、チャンス発見をするための創発性に応用できないのかと考えました。
データ全体の特徴を理解した後に、その概念の界面、周辺また外周にあるデータから、その特徴や事象に影響を与えている事象を探せないのかと考えてみました。それは、一般的には頻出度が少なく、気付きにくいが、実はデータ全体の特徴に影響を与える事象である可能性があります。
高頻出度であるが共起度が低いデータをサブセットとして選択し、そのサブセットと共起するようなデータを探すことにより、稀であるが重要な事象を探す事が出来る可能性があります。
もう少し考えてみたいと思います。