Algorithme Apriori Semi-supervisé
L'algorithme Apriori semi-supervisé étend le mineur classique d'ensembles d'items fréquents Apriori en injectant des connaissances a priori ou des contraintes étiquetées — telles que des paires « must-link », des items interdits, ou des seuils de support minimum spécifiés par l'utilisateur par groupe — pour orienter la découverte vers des règles d'association pratiquement significatives et réduire l'espace de recherche.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- Agrawal, R., & Srikant, R. (1994). Fast algorithms for mining association rules. Proceedings of the 20th International Conference on Very Large Data Bases (VLDB), 487–499. link ↗
- Liu, B., Hsu, W., & Ma, Y. (1999). Mining association rules with multiple minimum supports. Proceedings of the 5th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, 337–341. DOI: 10.1145/312129.312274 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Semi-supervised Apriori Algorithm for Constrained Association Rule Mining. ScholarGate. https://scholargate.app/fr/machine-learning/semi-supervised-apriori-algorithm
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.
- Exploration de règles d'association (Apriori)Apprentissage automatique↔ compare
- Filtrage collaboratifApprentissage automatique↔ compare
- FP-Growth (Frequent Pattern Growth)Apprentissage automatique↔ compare
- Apprentissage semi-superviséApprentissage automatique↔ compare
Une erreur sur cette page ? Signalez-la ou proposez une correction →