Regles d'Associació Explicables
Les regles d'associació explicables aprofiten l'estructura inherentment simbòlica, del tipus si-aleshores, de la mineria de regles d'associació per proporcionar explicacions humanament llegibles de patrons de dades o decisions de models de caixa negra. Com que cada regla declara explícitament el seu antecedent i el seu conseqüent, juntament amb el suport, la confiança i l'elevació, els resultats són natius interpretables sense necessitat d'un element substitutiu secundari a posteriori.
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
- 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 ↗
- Murdoch, W. J., Singh, C., Kumbier, K., Abbasi-Asl, R., & Yu, B. (2019). Definitions, methods, and applications in interpretable machine learning. Proceedings of the National Academy of Sciences, 116(44), 22071–22080. DOI: 10.1073/pnas.1900654116 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Explainable Association Rules Mining. ScholarGate. https://scholargate.app/ca/machine-learning/explainable-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
- Arbre de Decisió ExplicableAprenentatge automàtic↔ compare
- Naive Bayes ExplicableAprenentatge automàtic↔ compare
- Random Forest ExplicableAprenentatge automàtic↔ compare
- FP-Growth (Frequent Pattern Growth)Aprenentatge automàtic↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →