Bayesovská pravidla asociace
Bayesovská pravidla asociace rozšiřují klasické dolování pravidel asociace tím, že nad pravidly umisťují apriorní rozdělení pravděpodobnosti a skórují je jejich aposteriorní pravděpodobností vzhledem k datům. Namísto prahování na surových počtech podpory a spolehlivosti tento Bayesovský rámec přirozeně penalizuje složitost, korigují pro vícenásobná porovnání a produkuje kalibrované pravděpodobnostní síly pravidel napříč transakčními nebo kategorickými datovými sadami.
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
- 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 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Bayesian Association Rule Mining. ScholarGate. https://scholargate.app/cs/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.
- Algoritmus AprioriStrojové učení↔ compare
- Asociační pravidlaStrojové učení↔ compare
- Bayesian Gaussian Mixture ModelStrojové učení↔ compare
- Bayesian Naive BayesStrojové 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 →