Machine learningMachine learning
베이지안 연관 규칙
베이지안 연관 규칙은 규칙에 사전 확률 분포를 부여하고 데이터를 주어진 규칙의 사후 확률로 점수를 매김으로써 고전적인 연관 규칙 마이닝을 확장합니다. 원시 지지도 및 신뢰도 횟수에 임계값을 설정하는 대신, 이 베이지안 프레임워크는 복잡성을 자연스럽게 페널티화하고, 다중 비교를 보정하며, 거래 또는 범주형 데이터셋 전반에 걸쳐 보정된 확률적 규칙 강도를 생성합니다.
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
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Bayesian Association Rule Mining. ScholarGate. https://scholargate.app/ko/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 알고리즘머신러닝↔ compare
- 연관 규칙머신러닝↔ compare
- 베이즈 가우시안 혼합 모델머신러닝↔ compare
- 베이지안 나이브 베이즈(Bayesian Naive Bayes)머신러닝↔ compare
- FP-성장 (빈발 패턴 성장)머신러닝↔ compare
- 준지도 연관 규칙머신러닝↔ compare