כריה של כללי אסוציאציה במודרכות-למחצה (Semi-supervised Association Rules)
כריה של כללי אסוציאציה במודרכות-למחצה מרחיבה את למידת כללי האסוציאציה הקלאסית על ידי שילוב כמות קטנה של נתונים מתויגים לצד מערך נתונים גדול יותר שאינו מתויג. היא משתמשת במידע ידוע על מחלקות או באילוצים שסופקו על ידי המשתמש כדי להנחות את גילוי הכללים שהם גם תדירים מבחינה סטטיסטית וגם בעלי משמעות סמנטית, ובכך מגשרת בין כריית תבניות בלתי מונחית לבין הנחיה קלה.
קראו את השיטה במלואה
התחברו עם חשבון חינמי כדי לקרוא חלק זה.
Method map
The neighbourhood of related methods — select a node to explore.
מקורות
איך לצטט עמוד זה
ScholarGate. (2026, June 3). Semi-supervised Association Rule Mining. ScholarGate. https://scholargate.app/he/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.
- אלגוריתם Aprioriלמידת מכונה↔ compare
- FP-Growth (גידול דפוסים תדירים)למידת מכונה↔ compare
- אלגוריתם התפשטות התוויות (Label Propagation)למידת מכונה↔ compare
- למידה מונחית-למחצהלמידת מכונה↔ compare