Aktiv læring assosiasjonsregler
Aktiv læring assosiasjonsregler kombinerer den iterative spørre-og-merke-sløyfen fra aktiv læring med assosiasjonsregelutvinning, noe som gjør at en menneskelig ekspert kan veilede oppdagelsesprosessen interaktivt. I stedet for å uttømmende liste opp alle regler over en fast støtte-konfidens-terskel, velger systemet de mest informative regelkandidatene og ber brukeren vurdere deres interessanthet, og fokuserer søket på subjektivt nyttige mønstre.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Active Learning for Association Rule Mining. ScholarGate. https://scholargate.app/no/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.
- Aktiv læringMaskinlæring↔ compare
- Apriori-algoritmenMaskinlæring↔ compare
- AssosiasjonsreglerMaskinlæring↔ compare
- FP-Growth (Frequent Pattern Growth)Maskinlæring↔ compare
- Semi-supervised Association RulesMaskinlæring↔ compare
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →