Asociativní pravidla s aktivním učeniem
Asociativní pravidla s aktivním učením kombinují iterativní smyčku dotazování a označování aktivního učení s těžbou asociativních pravidel, což umožňuje lidskému expertovi interaktivně řídit proces objevování. Místo vyčerpávajícího výčtu všech pravidel nad pevnou prahovou hodnotou podpory a důvěry systém vybírá nejinformativnější kandidáty pravidel a žádá uživatele, aby posoudil jejich zajímavost, čímž se vyhledávání zaměřuje na subjektivně užitečné vzory.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- Dzyuba, V., & van Leeuwen, M. (2017). Interactive Discovery of Interesting Association Rules by Subjective Interestingness. In Proceedings of the European Conference on Machine Learning and Principles and Practice of Knowledge Discovery in Databases (ECML PKDD). Springer. link ↗
- Boley, M., Lucchese, C., Paurat, D., & Gartner, T. (2013). Direct Local Pattern Sampling by Efficient Two-Step Random Procedures. In Proceedings of the 19th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining (pp. 582–590). ACM. link ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Active Learning for Association Rule Mining. ScholarGate. https://scholargate.app/cs/machine-learning/active-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.
- Aktivní učeníStrojové učení↔ compare
- Algoritmus AprioriStrojové učení↔ compare
- Asociační pravidlaStrojové učení↔ compare
- FP-Růst (Růst častých vzorů)Strojové učení↔ compare
- Polosupervizovaná pravidla přidruženíStrojové učení↔ compare
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →