Κανόνες Συσχέτισης Bayes (Bayesian Association Rules)
Οι Κανόνες Συσχέτισης Bayes επεκτείνουν την κλασική εξόρυξη κανόνων συσχέτισης τοποθετώντας μια εκ των προτέρων κατανομή πιθανότητας πάνω σε κανόνες και βαθμολογώντας τους με βάση την εκ των υστέρων πιθανότητά τους δεδομένων των δεδομένων. Αντί για κατώφλια σε ακατέργαστες μετρήσεις υποστήριξης και εμπιστοσύνης, αυτό το πλαίσιο Bayes τιμωρεί φυσικά την πολυπλοκότητα, διορθώνει για πολλαπλές συγκρίσεις και παράγει βαθμονομημένες πιθανοτικές ισχύς κανόνων σε συναλλακτικές ή κατηγορικές συνόλους δεδομένων.
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
- 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 ↗
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 3). Bayesian Association Rule Mining. ScholarGate. https://scholargate.app/el/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.
- Αλγόριθμος AprioriΜηχανική Μάθηση↔ compare
- Κανόνες ΣυσχέτισηςΜηχανική Μάθηση↔ compare
- Μοντέλο Μίγματος Γκαουσιανών BayesΜηχανική Μάθηση↔ compare
- Μπεϋζιανός Αφελής Μπεϋζιανός (Bayesian Naive Bayes)Μηχανική Μάθηση↔ compare
- FP-Growth (Ανάπτυξη Συχνών Μοτίβων)Μηχανική Μάθηση↔ compare
- Semi-supervised Association RulesΜηχανική Μάθηση↔ compare
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →