Aktiivisen oppimisen assosiaatiosäännöt
Aktiivisen oppimisen assosiaatiosäännöt yhdistävät aktiivisen oppimisen iteratiivisen kysely- ja merkintäsilmukan assosiaatiosääntöjen louhintaan, antaen ihmisasiantuntijan ohjata löytöprosessia interaktiivisesti. Sen sijaan, että lueteltaisiin tyhjentävästi kaikki säännöt kiinteän tukikynnysarvon yläpuolella, järjestelmä valitsee informatiivisimmat sääntöehdokkaat ja pyytää käyttäjää arvioimaan niiden kiinnostavuutta, keskittäen haun subjektiivisesti hyödyllisiin malleihin.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Active Learning for Association Rule Mining. ScholarGate. https://scholargate.app/fi/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.
- Aktiivinen oppiminenKoneoppiminen↔ compare
- Apriori-algoritmiKoneoppiminen↔ compare
- AssosiaatiosäännötKoneoppiminen↔ compare
- FP-Growth (Frequent Pattern Growth)Koneoppiminen↔ compare
- Puoliohjautuva assosiaatiosääntöjen louhintaKoneoppiminen↔ compare
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →