Полуавтоматичен алгоритъм Apriori
Полуавтоматичният алгоритъм Apriori разширява класическия миньор на чести набори от елементи Apriori чрез вмъкване на фонови знания или етикетирани ограничения — като двойки задължително свързване, забранени елементи или потребителски зададени минимални прагове за поддръжка на група — за да насочи откриването към практически значими правила за асоциация и да намали пространството за търсене.
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., & Srikant, R. (1994). Fast algorithms for mining association rules. Proceedings of the 20th International Conference on Very Large Data Bases (VLDB), 487–499. link ↗
- Liu, B., Hsu, W., & Ma, Y. (1999). Mining association rules with multiple minimum supports. Proceedings of the 5th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, 337–341. DOI: 10.1145/312129.312274 ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Semi-supervised Apriori Algorithm for Constrained Association Rule Mining. ScholarGate. https://scholargate.app/bg/machine-learning/semi-supervised-apriori-algorithm
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.
- Откриване на асоциативни правила (Apriori)Машинно обучение↔ compare
- Колаборативно филтриранеМашинно обучение↔ compare
- FP-Growth (Често срещани модели)Машинно обучение↔ compare
- Полу-наблюдавано обучениеМашинно обучение↔ compare
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →