Bayesianske associationsregler
Bayesianske associationsregler udvider klassisk associationsregel-mining ved at placere en a priori sandsynlighedsfordeling over regler og bedømme dem ud fra deres a posteriori sandsynlighed givet data. I stedet for at tærskelværdiere på rå support- og konfidensantal, straffer dette Bayesianske rammeværk naturligt kompleksitet, korrigerer for multiple sammenligninger og producerer kalibrerede probabilistiske regelstyrker på tværs af transaktionelle eller kategoriske datasæt.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Bayesian Association Rule Mining. ScholarGate. https://scholargate.app/da/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.
- Apriori AlgoritmenMaskinlæring↔ compare
- AssocieringsreglerMaskinlæring↔ compare
- Bayesiansk Gaussisk Blanding (Bayesian Gaussian Mixture Model)Maskinlæring↔ compare
- Bayesiansk Naive BayesMaskinlæring↔ compare
- FP-Growth (Frequent Pattern Growth)Maskinlæring↔ compare
- Semiovervågede associationsreglerMaskinlæring↔ compare
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →