Правила за асоциация чрез ансамбъл
Правилата за асоциация чрез ансамбъл прилагат принципите на ансамбълното обучение към извличането на правила за асоциация: множество набори от правила се откриват от различни подмножества на данните или с вариращи параметри, след което се обединяват и претеглят, за да се получи по-стабилен и пълен набор от модели на съвместна поява. Подходът намалява чувствителността към избора на прагове за подкрепа и достоверност и подобрява устойчивостта при шумни транзакционни данни.
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
- Domingos, P. (1999). MetaCost: A general method for making classifiers cost-sensitive. Proceedings of the 5th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, 155–164. link ↗
- Rymon, R. (1992). Search through systematic set enumeration. Proceedings of the 3rd International Conference on Principles of Knowledge Representation and Reasoning, 539–550. — foundational work on systematic enumeration used in ensemble aggregation of frequent itemsets. link ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Ensemble Association Rule Mining. ScholarGate. https://scholargate.app/bg/machine-learning/ensemble-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
- Правила за асоциацияМашинно обучение↔ compare
- Bagging (Bootstrap Aggregating)Машинно обучение↔ compare
- БустингМашинно обучение↔ compare
- FP-Growth (Често срещани модели)Машинно обучение↔ compare
- Гласуваща ансамблова схемаМашинно обучение↔ compare
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →