Reguły asocjacyjne
Uczenie się reguł asocjacyjnych jest techniką nienadzorowaną, która odkrywa wzorce współwystępowania – implikacje typu „jeśli X, to Y” – w dużych zbiorach danych transakcyjnych. Pierwotnie sformalizowane przez Agrawala, Imielińskiego i Swami (1993) na potrzeby analizy koszyków sklepowych, obecnie jest szeroko stosowane w rekomendacjach w handlu elektronicznym, informatyce medycznej, bioinformatyce i badaniach behawioralnych.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- Agrawal, R., Imielinski, T., & Swami, A. (1993). Mining association rules between sets of items in large databases. Proceedings of the 1993 ACM SIGMOD International Conference on Management of Data, 207–216. DOI: 10.1145/170035.170072 ↗
- Tan, P.-N., Steinbach, M., Karpatne, A., & Kumar, V. (2018). Introduction to Data Mining (2nd ed., Ch. 5). Pearson. ISBN: 978-0-13-312890-1
Jak cytować tę stronę
ScholarGate. (2026, June 3). Association Rule Learning (Market Basket Analysis). ScholarGate. https://scholargate.app/pl/machine-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.
- Algorytm AprioriUczenie maszynowe↔ compare
- Grupowanie K-średnich (K-means Clustering)Uczenie maszynowe↔ compare
- Uczenie ze wsparciem częściowymUczenie maszynowe↔ compare
- Ensemble głosującyUczenie maszynowe↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →