Regole di associazione
L'apprendimento delle regole di associazione è una tecnica non supervisionata che scopre pattern di co-occorrenza — implicazioni 'se X allora Y' — all'interno di grandi set di dati transazionali. Formalizzata originariamente da Agrawal, Imielinski e Swami (1993) per l'analisi del carrello della spesa nei supermercati, è ora ampiamente applicata nelle raccomandazioni e-commerce, nell'informatica sanitaria, nella bioinformatica e nella ricerca comportamentale.
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
- 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
Come citare questa pagina
ScholarGate. (2026, June 3). Association Rule Learning (Market Basket Analysis). ScholarGate. https://scholargate.app/it/machine-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.
- Algoritmo AprioriApprendimento automatico↔ compare
- Clustering K-meansApprendimento automatico↔ compare
- Apprendimento semi-supervisionatoApprendimento automatico↔ compare
- Ensemble a votazioneApprendimento automatico↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →