Regole associative di apprendimento attivo
Le regole associative di apprendimento attivo combinano il ciclo iterativo di interrogazione ed etichettatura dell'apprendimento attivo con il data mining di regole associative, consentendo a un esperto umano di guidare il processo di scoperta in modo interattivo. Invece di enumerare esaustivamente tutte le regole al di sopra di una soglia fissa di supporto-confidenza, il sistema seleziona i candidati di regole più informativi e chiede all'utente di giudicare il loro interesse, concentrando la ricerca su pattern soggettivamente utili.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- Dzyuba, V., & van Leeuwen, M. (2017). Interactive Discovery of Interesting Association Rules by Subjective Interestingness. In Proceedings of the European Conference on Machine Learning and Principles and Practice of Knowledge Discovery in Databases (ECML PKDD). Springer. link ↗
- Boley, M., Lucchese, C., Paurat, D., & Gartner, T. (2013). Direct Local Pattern Sampling by Efficient Two-Step Random Procedures. In Proceedings of the 19th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining (pp. 582–590). ACM. link ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Active Learning for Association Rule Mining. ScholarGate. https://scholargate.app/it/machine-learning/active-learning-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.
- Active LearningApprendimento automatico↔ compare
- Algoritmo AprioriApprendimento automatico↔ compare
- Regole di associazioneApprendimento automatico↔ compare
- FP-Growth (Frequent Pattern Growth)Apprendimento automatico↔ compare
- Regole di associazione semi-supervisionateApprendimento automatico↔ compare
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →