Bayesian Association Rules
Bayesian Association Rules laiendavad klassikalist assotsiatsioonireeglite kaevandamist, määrates reeglitele eelnevate tõenäosusjaotuste ja hinnates neid andmete põhjal nende järeltõenäosuse järgi. Toetuse ja usaldusväärsuse toorete loenduste läveületuse asemel karistab see bayesiaanlik raamistik loomulikult keerukust, parandab mitmekordseid võrdlusi ja toodab tehingu- või kategooriliste andmestike puhul kalibreeritud tõenäosuslikke reeglite tugevusi.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
Allikad
- 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 ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 3). Bayesian Association Rule Mining. ScholarGate. https://scholargate.app/et/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.
- Apriori algoritmMasinõpe↔ compare
- AssotsiatsioonireeglidMasinõpe↔ compare
- Bayesian Gaussian Mixture ModelMasinõpe↔ compare
- Bayesian Naive BayesMasinõpe↔ compare
- FP-Growth (Frequent Pattern Growth)Masinõpe↔ compare
- Poolitatud järeldusreeglidMasinõpe↔ compare
Märkasid sellel lehel viga? Teata sellest või paku parandust →