Módszerbizonyíték rekord

Association Rules

Association rule learning is an unsupervised technique that discovers co-occurrence patterns — 'if X then Y' implications — within large transactional datasets. Originally formalized by Agrawal, Imielinski, and Swami (1993) for supermarket basket analysis, it is now widely applied in e-commerce recommendation, health informatics, bioinformatics, and behavioral research.

Sources recorded, not reviewed

Forrásrekord

A hivatkozások szó szerint a módszer forrásrekordjából kerültek átvételre. Ezekből nem következtethető ki állítás-szintű ellenőrzés.

Association Rule Learning (Market Basket Analysis)

Taxonómiai módszerrekord · ml-model / machine-learning

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
Tan, P.-N., Steinbach, M., Karpatne, A., & Kumar, V. (2018). Introduction to Data Mining (2nd ed., Ch. 5). Pearson. · ISBN 978-0-13-312890-1

Teljes módszer megnyitása

Kurált állítások

Az állítások a bizonyíték-jegyzőkönyvben tárolódtak, mindegyik saját értékeléssel.

Még nincsenek kurált állítások

Ez a nézet nem hoz létre állítás-értékelést, ha a jegyzőkönyvben nincs.

Kapcsolódó módszerek

A módszergráfból generálva és gépi javaslatú kapcsolatokként jelenítve meg – nem következtethető ki bizonyíték-állítás.

Taxonomic bucketApriori Algorithmmachine-suggested · Relational suggestion, not evidence.Taxonomic bucketK-meansmachine-suggested · Relational suggestion, not evidence.Taxonomic bucketSemi-supervised Learningmachine-suggested · Relational suggestion, not evidence.Taxonomic bucketVoting Ensemblemachine-suggested · Relational suggestion, not evidence.