Regras de Associação Bayesianas
Regras de Associação Bayesianas estendem a mineração clássica de regras de associação ao colocar uma distribuição de probabilidade a priori sobre as regras e pontuá-las por sua probabilidade a posteriori, dados os dados. Em vez de limiares em contagens brutas de suporte e confiança, este framework bayesiano penaliza naturalmente a complexidade, corrige comparações múltiplas e produz forças de regras probabilísticas calibradas em conjuntos de dados transacionais ou categóricos.
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
- Heckerman, D., Geiger, D., & Chickering, D. M. (1995). Learning Bayesian networks: The combination of knowledge and statistical data. Machine Learning, 20(3), 197–243. DOI: 10.1007/BF00994016 ↗
- Agrawal, R., & Srikant, R. (1994). Fast algorithms for mining association rules. In Proceedings of the 20th International Conference on Very Large Data Bases (VLDB), 1215, 487–499. link ↗
Como citar esta página
ScholarGate. (2026, June 3). Bayesian Association Rule Mining. ScholarGate. https://scholargate.app/pt/machine-learning/bayesian-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.
- Algoritmo AprioriAprendizado de máquina↔ compare
- Regras de AssociaçãoAprendizado de máquina↔ compare
- Modelo de Mistura Gaussiana BayesianaAprendizado de máquina↔ compare
- Naive Bayes BayesianoAprendizado 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 →