Règles d'association semi-supervisées
L'extraction de règles d'association semi-supervisées étend l'apprentissage classique des règles d'association en intégrant une petite quantité de données étiquetées à un ensemble de données non étiquetées plus vaste. Elle utilise des informations de classe connues ou des contraintes fournies par l'utilisateur pour guider la découverte de règles à la fois statistiquement fréquentes et sémantiquement significatives, faisant le pont entre l'exploration de motifs non supervisée et une supervision légère.
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
Comment citer cette page
ScholarGate. (2026, June 3). Semi-supervised Association Rule Mining. ScholarGate. https://scholargate.app/fr/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.
- Algorithme AprioriApprentissage automatique↔ compare
- FP-Growth (Frequent Pattern Growth)Apprentissage automatique↔ compare
- Propagation d'étiquettesApprentissage automatique↔ compare
- Apprentissage semi-superviséApprentissage automatique↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →