ScholarGate
어시스턴트
Machine learningMachine learning

준지도 연관 규칙

준지도 연관 규칙 마이닝은 소량의 레이블이 지정된 데이터와 더 많은 양의 레이블이 지정되지 않은 데이터를 함께 사용하여 고전적인 연관 규칙 학습을 확장합니다. 이는 알려진 클래스 정보나 사용자 제공 제약 조건을 활용하여 통계적으로 빈번하면서도 의미론적으로 유의미한 규칙의 발견을 안내하며, 비지도 패턴 마이닝과 경량 지도를 연결합니다.

MethodMind에서 열기곧 제공동영상곧 제공Download slides

방법 전문 읽기

회원 전용

무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.

로그인

Method map

The neighbourhood of related methods — select a node to explore.

준지도 연관 규칙
Apriori 알고리즘FP-성장 (빈발 패턴 성장)레이블 전파준지도 학습능동 학습 연관 규칙베이지안 연관 규칙온라인 연관 규칙

출처

  1. Liu, B., Hsu, W., & Ma, Y. (2003). Integrating Classification and Association Rule Mining. In Proceedings of the 4th IEEE International Conference on Data Mining (ICDM), pp. 339–346. link ↗
  2. Association rule learning. Wikipedia. link ↗

이 페이지 인용 방법

ScholarGate. (2026, June 3). Semi-supervised Association Rule Mining. ScholarGate. https://scholargate.app/ko/machine-learning/semi-supervised-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.

Compare side by side →

이 방법을 참조하는 항목

능동 학습 연관 규칙베이지안 연관 규칙온라인 연관 규칙

이 페이지에서 오류를 발견하셨나요? 신고하거나 수정을 제안하세요 →

ScholarGate — Semi-supervised Association Rules (Semi-supervised Association Rule Mining). 2026-06-15에 다음에서 검색함: https://scholargate.app/ko/machine-learning/semi-supervised-association-rules · 데이터셋: https://doi.org/10.5281/zenodo.20539026