Bayes-féle asszociációs szabályok
A Bayes-féle asszociációs szabályok a klasszikus asszociációs szabálybányászatot úgy bővítik, hogy a szabályokra előzetes valószínűségi eloszlást helyeznek, és azokat az adatok alapján vett utólagos valószínűségük szerint pontozzák. A nyers támogatottsági és confidenszszámok küszöbölése helyett ez a Bayes-i keretrendszer természetesen bünteti az összetettséget, korrigál a többszörös összehasonlításokért, és kalibrált valószínűségi szabályerősségeket produkál tranzakciós vagy kategorikus adatkészleteken.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Bayesian Association Rule Mining. ScholarGate. https://scholargate.app/hu/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.
- Apriori algoritmusGépi tanulás↔ compare
- Asszociációs szabályokGépi tanulás↔ compare
- Bayes-féle Gauss-keverék modellGépi tanulás↔ compare
- Bayes-i Naiv BayesGépi tanulás↔ compare
- FP-Growth (Frequent Pattern Growth)Gépi tanulás↔ compare
- Félfelügyelt Asszociációs SzabályokGépi tanulás↔ compare
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →