Machine learningMachine learning
כללי אסוציאציות בייסיאניים
כללי אסוציאציות בייסיאניים מרחיבים את כריית כללי האסוציאציה הקלאסיים על ידי הצבת התפלגות הסתברות א-פריורית על כללים ותימחורם לפי ההסתברות הפוסטריורית שלהם בהינתן הנתונים. במקום להשתמש בספי תמיכה וביטחון גולמיים, מסגרת בייסיאנית זו מענישה באופן טבעי מורכבות, מתקנת עבור השוואות מרובות, ומפיקה עוצמות כלל הסתברותיות מכוילות על פני מערכי נתונים טרנזקציוניים או קטגוריאליים.
קראו את השיטה במלואה
לחברים בלבד
התחברותהתחברו עם חשבון חינמי כדי לקרוא חלק זה.
Method map
The neighbourhood of related methods — select a node to explore.
מקורות
- 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 ↗
איך לצטט עמוד זה
ScholarGate. (2026, June 3). Bayesian Association Rule Mining. ScholarGate. https://scholargate.app/he/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.
- אלגוריתם Aprioriלמידת מכונה↔ compare
- כללי אסוציאציהלמידת מכונה↔ compare
- מודל גאוסיאני תערובת בייסיאנילמידת מכונה↔ compare
- Bayesian Naive Bayesלמידת מכונה↔ compare
- FP-Growth (גידול דפוסים תדירים)למידת מכונה↔ compare
- כריה של כללי אסוציאציה במודרכות-למחצה (Semi-supervised Association Rules)למידת מכונה↔ compare