Правила за асоциация
Обучението чрез правила за асоциация е неконтролиран метод, който открива модели на съвместна поява — импликации от типа „ако X, то Y“ — в големи транзакционни набори от данни. Първоначално формализиран от Agrawal, Imielinski и Swami (1993) за анализ на кошници в супермаркети, той сега се прилага широко в препоръчителните системи в електронната търговия, здравната информатика, биоинформатиката и поведенческите изследвания.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- Agrawal, R., Imielinski, T., & Swami, A. (1993). Mining association rules between sets of items in large databases. Proceedings of the 1993 ACM SIGMOD International Conference on Management of Data, 207–216. DOI: 10.1145/170035.170072 ↗
- Tan, P.-N., Steinbach, M., Karpatne, A., & Kumar, V. (2018). Introduction to Data Mining (2nd ed., Ch. 5). Pearson. ISBN: 978-0-13-312890-1
Как да цитирате тази страница
ScholarGate. (2026, June 3). Association Rule Learning (Market Basket Analysis). ScholarGate. https://scholargate.app/bg/machine-learning/association-rules
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Алгоритъм AprioriМашинно обучение↔ compare
- K-means клъстеризацияМашинно обучение↔ compare
- Полу-наблюдавано обучениеМашинно обучение↔ compare
- Гласуваща ансамблова схемаМашинно обучение↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →