Reglas de Asociación Semi-supervisadas
La minería de reglas de asociación semi-supervisada extiende el aprendizaje clásico de reglas de asociación al incorporar una pequeña cantidad de datos etiquetados junto con un conjunto de datos no etiquetados más grande. Utiliza información de clase conocida o restricciones proporcionadas por el usuario para guiar el descubrimiento de reglas que son tanto estadísticamente frecuentes como semánticamente significativas, uniendo la minería de patrones no supervisada con una supervisión ligera.
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
Cómo citar esta página
ScholarGate. (2026, June 3). Semi-supervised Association Rule Mining. ScholarGate. https://scholargate.app/es/machine-learning/semi-supervised-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.
- Algoritmo AprioriAprendizaje automático↔ compare
- FP-Growth (Frequent Pattern Growth)Aprendizaje automático↔ compare
- Propagación de EtiquetasAprendizaje automático↔ compare
- Aprendizaje semisupervisadoAprendizaje automático↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →