Reglas de asociación de aprendizaje activo
Las reglas de asociación de aprendizaje activo combinan el bucle iterativo de consulta y etiquetado del aprendizaje activo con la minería de reglas de asociación, permitiendo que un experto humano guíe interactivamente el proceso de descubrimiento. En lugar de enumerar exhaustivamente todas las reglas por encima de un umbral fijo de soporte-confianza, el sistema selecciona los candidatos a reglas más informativos y solicita al usuario que juzgue su interés, centrando la búsqueda en patrones subjetivamente útiles.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- 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 ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Active Learning for Association Rule Mining. ScholarGate. https://scholargate.app/es/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.
- Aprendizaje activoAprendizaje automático↔ compare
- Algoritmo AprioriAprendizaje automático↔ compare
- Reglas de asociaciónAprendizaje automático↔ compare
- FP-Growth (Frequent Pattern Growth)Aprendizaje automático↔ compare
- Reglas de Asociación Semi-supervisadasAprendizaje automático↔ compare
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →