Półnadzorowany algorytm Apriori
Algorytm półnadzorowany Apriori rozszerza klasyczny algorytm Apriori do znajdowania częstych zbiorów elementów poprzez wstrzyknięcie wiedzy dziedzinowej lub oznaczonych ograniczeń — takich jak pary elementów, które muszą występować razem (must-link), elementy zabronione (forbidden items) lub określone przez użytkownika minimalne progi wsparcia dla grup — aby ukierunkować odkrywanie na praktycznie znaczące reguły asocjacyjne i zredukować przestrzeń przeszukiwania.
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., & 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Semi-supervised Apriori Algorithm for Constrained Association Rule Mining. ScholarGate. https://scholargate.app/pl/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.
- Górnictwo reguł asocjacyjnych (Apriori)Uczenie maszynowe↔ compare
- Filtrowanie kolaboratywneUczenie maszynowe↔ compare
- FP-Growth (Frequent Pattern Growth)Uczenie maszynowe↔ compare
- Uczenie ze wsparciem częściowymUczenie maszynowe↔ compare
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →