قواعد وابستگی بیزی (Bayesian Association Rules)
قواعد وابستگی بیزی، قواعد وابستگی کلاسیک را با اعمال توزیع احتمال پیشین بر روی قواعد و امتیازدهی به آنها بر اساس احتمال پسینِ آنها با توجه به دادهها، تعمیم میدهند. این چارچوب بیزی به جای آستانهگذاری بر اساس شمارشهای خامِ پشتیبانی (support) و اطمینان (confidence)، بهطور طبیعی پیچیدگی را جریمه میکند، مقایسههای چندگانه را تصحیح میکند و قدرتهای احتمالیِ قاعدهمندِ کالیبرهشده را در سراسر مجموعه دادههای تراکنشی یا دستهای تولید میکند.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- 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 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Bayesian Association Rule Mining. ScholarGate. https://scholargate.app/fa/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.
- الگوریتم Aprioriیادگیری ماشین↔ compare
- قواعد وابستگییادگیری ماشین↔ compare
- مدل مخلوط گوسی بیزییادگیری ماشین↔ compare
- بیزی نایو بیز (Bayesian Naive Bayes)یادگیری ماشین↔ compare
- FP-Growth (رشد الگوی پرتکرار)یادگیری ماشین↔ compare
- قواعد انجمنی نیمهنظارتشدهیادگیری ماشین↔ compare
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →