Daļēji uzraudzīts Apriori algoritms
Dažādi uzlabotais Apriori algoritms paplašina klasisko biežo kopu ieguves algoritmu, pievienojot fona zināšanas vai marķētus ierobežojumus — piemēram, obligāti saistīti pāri, aizliegtas preces vai lietotāja noteikti minimālie atbalsta sliekšņi katrai grupai — lai virzītu atklāšanu uz praktiski nozīmīgiem asociācijas noteikumiem un samazinātu meklēšanas telpu.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- Agrawal, R., & Srikant, R. (1994). Fast algorithms for mining association rules. Proceedings of the 20th International Conference on Very Large Data Bases (VLDB), 487–499. link ↗
- Liu, B., Hsu, W., & Ma, Y. (1999). Mining association rules with multiple minimum supports. Proceedings of the 5th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, 337–341. DOI: 10.1145/312129.312274 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Semi-supervised Apriori Algorithm for Constrained Association Rule Mining. ScholarGate. https://scholargate.app/lv/machine-learning/semi-supervised-apriori-algorithm
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.
- Asociatīvo likumu ieguve (Apriori)Mašīnmācīšanās↔ compare
- Sadarbības filtrēšanaMašīnmācīšanās↔ compare
- FP-Growth (biežo kopu augšana)Mašīnmācīšanās↔ compare
- Daudzpusīgā apguveMašīnmācīšanās↔ compare
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →