Regras de Associação com Aprendizagem Ativa
Regras de associação com aprendizagem ativa combinam o ciclo iterativo de consulta e rotulagem da aprendizagem ativa com a mineração de regras de associação, permitindo que um especialista humano guie o processo de descoberta interativamente. Em vez de enumerar exaustivamente todas as regras acima de um limiar fixo de suporte-confiança, o sistema seleciona os candidatos a regras mais informativos e solicita ao usuário que julgue seu interesse, focando a busca em padrões subjetivamente úteis.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 3). Active Learning for Association Rule Mining. ScholarGate. https://scholargate.app/pt/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.
- Aprendizagem AtivaAprendizado de máquina↔ compare
- Algoritmo AprioriAprendizado de máquina↔ compare
- Regras de AssociaçãoAprendizado de máquina↔ compare
- FP-Growth (Frequent Pattern Growth)Aprendizado de máquina↔ compare
- Regras de Associação Semi-supervisionadasAprendizado de máquina↔ compare
Encontrou um problema nesta página? Relate ou sugira uma correção →