Machine learningMachine learning
능동 학습 연관 규칙
능동 학습 연관 규칙(Active learning association rules)은 능동 학습의 반복적인 질의-레이블링 루프와 연관 규칙 마이닝을 결합하여, 인간 전문가가 상호작용적으로 발견 과정을 안내할 수 있도록 합니다. 고정된 지지도-신뢰도 임계값 이상의 모든 규칙을 철저히 열거하는 대신, 시스템은 가장 유익한 규칙 후보를 선택하고 사용자에게 그 흥미도를 판단하도록 요청하여, 주관적으로 유용한 패턴에 검색을 집중시킵니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Active Learning for Association Rule Mining. ScholarGate. https://scholargate.app/ko/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.
- 능동 학습머신러닝↔ compare
- Apriori 알고리즘머신러닝↔ compare
- 연관 규칙머신러닝↔ compare
- FP-성장 (빈발 패턴 성장)머신러닝↔ compare
- 준지도 연관 규칙머신러닝↔ compare