Regles d'Associació Bayesianes
Les Regles d'Associació Bayesianes (Bayesian Association Rules) estenen la mineria clàssica de regles d'associació col·locant una distribució de probabilitat a priori sobre les regles i puntuándoles per la seva probabilitat a posteriori donada la informació. En lloc de basar-se en llindars de suport i confiança bruts, aquest marc bayesià penalitza naturalment la complexitat, corregeix comparacions múltiples i produeix forces de regla probabilístiques calibrades en conjunts de dades transaccionals o categòrics.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- Heckerman, D., Geiger, D., & Chickering, D. M. (1995). Learning Bayesian networks: The combination of knowledge and statistical data. Machine Learning, 20(3), 197–243. DOI: 10.1007/BF00994016 ↗
- Agrawal, R., & Srikant, R. (1994). Fast algorithms for mining association rules. In Proceedings of the 20th International Conference on Very Large Data Bases (VLDB), 1215, 487–499. link ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Bayesian Association Rule Mining. ScholarGate. https://scholargate.app/ca/machine-learning/bayesian-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.
- Algorisme AprioriAprenentatge automàtic↔ compare
- Regles d'associacióAprenentatge automàtic↔ compare
- Model de Mescla Gaussiana BayesianaAprenentatge automàtic↔ compare
- Naive Bayes bayesiàAprenentatge automàtic↔ compare
- FP-Growth (Frequent Pattern Growth)Aprenentatge automàtic↔ compare
- Regles d'associació semi-supervisadesAprenentatge automàtic↔ compare
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →