Κανόνες Συσχέτισης
Η εκμάθηση κανόνων συσχέτισης είναι μια μη επιβλεπόμενη τεχνική που ανακαλύπτει πρότυπα συν-εμφάνισης — συμπεράσματα της μορφής «αν Χ τότε Υ» — μέσα σε μεγάλα σύνολα δεδομένων συναλλαγών. Αρχικά τυποποιήθηκε από τους Agrawal, Imielinski, και Swami (1993) για την ανάλυση καλαθιού αγορών σε σούπερ μάρκετ, και πλέον εφαρμόζεται ευρέως σε συστήματα συστάσεων ηλεκτρονικού εμπορίου, πληροφορική υγείας, βιοπληροφορική, και έρευνα συμπεριφοράς.
Διαβάστε ολόκληρη τη μέθοδο
Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.
Method map
The neighbourhood of related methods — select a node to explore.
Πηγές
- 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
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 3). Association Rule Learning (Market Basket Analysis). ScholarGate. https://scholargate.app/el/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.
- Αλγόριθμος AprioriΜηχανική Μάθηση↔ compare
- Ομαδοποίηση K-meansΜηχανική Μάθηση↔ compare
- Ημι-επιβλεπόμενη ΜάθησηΜηχανική Μάθηση↔ compare
- Σύνολο Ψηφοφορίας (Voting Ensemble)Μηχανική Μάθηση↔ compare
Αναφέρεται από
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →