Aktive Lernassoziationsregeln
Aktive Lernassoziationsregeln kombinieren die iterative Schleife aus Abfrage und Kennzeichnung des aktiven Lernens mit dem Mining von Assoziationsregeln, wodurch ein menschlicher Experte den Entdeckungsprozess interaktiv steuern kann. Anstatt alle Regeln oberhalb eines festen Support-Konfidenz-Schwellenwerts erschöpfend aufzulisten, wählt das System die informativsten Regelkandidaten aus und bittet den Benutzer, deren Interessantheit zu beurteilen, wodurch die Suche auf subjektiv nützliche Muster konzentriert wird.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- 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 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Active Learning for Association Rule Mining. ScholarGate. https://scholargate.app/de/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.
- Aktives LernenMaschinelles Lernen↔ compare
- Apriori-AlgorithmusMaschinelles Lernen↔ compare
- AssoziationsregelnMaschinelles Lernen↔ compare
- FP-Growth (Frequent Pattern Growth)Maschinelles Lernen↔ compare
- Halbüberwachte AssoziationsregelnMaschinelles Lernen↔ compare
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →