Semi-überwachter Apriori-Algorithmus
Der semi-überwachte Apriori-Algorithmus erweitert den klassischen Apriori-Häufigkeitsmustersucher, indem er Hintergrundwissen oder gelabelte Einschränkungen – wie Must-Link-Paare, verbotene Elemente oder benutzerspezifische Mindestunterstützungsschwellenwerte pro Gruppe – einbringt, um die Entdeckung auf praktisch bedeutsame Assoziationsregeln zu lenken und den Suchraum zu reduzieren.
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., & Srikant, R. (1994). Fast algorithms for mining association rules. Proceedings of the 20th International Conference on Very Large Data Bases (VLDB), 487–499. link ↗
- Liu, B., Hsu, W., & Ma, Y. (1999). Mining association rules with multiple minimum supports. Proceedings of the 5th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, 337–341. DOI: 10.1145/312129.312274 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Semi-supervised Apriori Algorithm for Constrained Association Rule Mining. ScholarGate. https://scholargate.app/de/machine-learning/semi-supervised-apriori-algorithm
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.
- Assoziationsregel-Mining (Apriori)Maschinelles Lernen↔ compare
- Kollaboratives FilternMaschinelles Lernen↔ compare
- FP-Growth (Frequent Pattern Growth)Maschinelles Lernen↔ compare
- Semi-Supervised LearningMaschinelles Lernen↔ compare
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →