व्याख्या योग्य सहसंबंध नियम
व्याख्या योग्य सहसंबंध नियम (Explainable Association Rules) डेटा पैटर्न या ब्लैक-बॉक्स मॉडल निर्णयों की मानव-पठनीय व्याख्या प्रदान करने के लिए सहसंबंध नियम खनन की अंतर्निहित प्रतीकात्मक, यदि-तब (if-then) संरचना का लाभ उठाते हैं। चूंकि प्रत्येक नियम अपने पूर्ववर्ती (antecedent) और परिणामी (consequent) को समर्थन (support), विश्वास (confidence) और लिफ्ट (lift) के साथ स्पष्ट रूप से बताता है, इसलिए आउटपुट को द्वितीयक पोस्ट-हॉक सरोगेट की आवश्यकता के बिना स्वाभाविक रूप से व्याख्या किया जा सकता है।
पूरी विधि पढ़ें
यह खंड पढ़ने के लिए निःशुल्क खाते से साइन इन करें।
Method map
The neighbourhood of related methods — select a node to explore.
स्रोत
- Agrawal, R., Imielinski, T., & Swami, A. (1993). Mining association rules between sets of items in large databases. Proceedings of the 1993 ACM SIGMOD International Conference on Management of Data, 207–216. DOI: 10.1145/170035.170072 ↗
- Murdoch, W. J., Singh, C., Kumbier, K., Abbasi-Asl, R., & Yu, B. (2019). Definitions, methods, and applications in interpretable machine learning. Proceedings of the National Academy of Sciences, 116(44), 22071–22080. DOI: 10.1073/pnas.1900654116 ↗
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 3). Explainable Association Rules Mining. ScholarGate. https://scholargate.app/hi/machine-learning/explainable-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.
- Apriori Algorithmमशीन अधिगम↔ compare
- एसोसिएशन रूल्समशीन अधिगम↔ compare
- व्याख्या योग्य निर्णय वृक्षमशीन अधिगम↔ compare
- व्याख्या योग्य नेव बेयसमशीन अधिगम↔ compare
- व्याख्या योग्य रैंडम फ़ॉरेस्टमशीन अधिगम↔ compare
- एफपी-ग्रोथ (फ्रीक्वेंट पैटर्न ग्रोथ)मशीन अधिगम↔ compare