Assoziationsregeln
Assoziationsregel-Lernen ist eine unüberwachte Technik, die Kookkurrenz-Muster – „wenn X, dann Y“-Implikationen – in großen Transaktionsdatensätzen aufdeckt. Ursprünglich von Agrawal, Imielinski und Swami (1993) für die Warenkorbanalyse in Supermärkten formalisiert, wird es heute breit in der E-Commerce-Empfehlung, Gesundheitsinformatik, Bioinformatik und Verhaltensforschung angewendet.
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
- 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 ↗
- Tan, P.-N., Steinbach, M., Karpatne, A., & Kumar, V. (2018). Introduction to Data Mining (2nd ed., Ch. 5). Pearson. ISBN: 978-0-13-312890-1
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Association Rule Learning (Market Basket Analysis). ScholarGate. https://scholargate.app/de/machine-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.
- Apriori-AlgorithmusMaschinelles Lernen↔ compare
- K-means ClusteringMaschinelles Lernen↔ compare
- Semi-Supervised LearningMaschinelles Lernen↔ compare
- Voting EnsembleMaschinelles Lernen↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →