Regras de Associação por Ensemble
Regras de Associação por Ensemble aplica princípios de aprendizado de ensemble à mineração de regras de associação: múltiplos conjuntos de regras são descobertos a partir de subamostras de dados diferentes ou com parâmetros variados, depois são mesclados e ponderados para produzir um conjunto mais estável e completo de padrões de coocorrência. A abordagem reduz a sensibilidade às escolhas de limiares de suporte e confiança e melhora a robustez em dados transacionais ruidosos.
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
- Domingos, P. (1999). MetaCost: A general method for making classifiers cost-sensitive. Proceedings of the 5th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, 155–164. link ↗
- Rymon, R. (1992). Search through systematic set enumeration. Proceedings of the 3rd International Conference on Principles of Knowledge Representation and Reasoning, 539–550. — foundational work on systematic enumeration used in ensemble aggregation of frequent itemsets. link ↗
Como citar esta página
ScholarGate. (2026, June 3). Ensemble Association Rule Mining. ScholarGate. https://scholargate.app/pt/machine-learning/ensemble-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
- Bagging (Bootstrap Aggregating)Aprendizado de máquina↔ compare
- BoostingAprendizado de máquina↔ compare
- FP-Growth (Frequent Pattern Growth)Aprendizado de máquina↔ compare
- Comitê de VotaçãoAprendizado de máquina↔ compare
Encontrou um problema nesta página? Relate ou sugira uma correção →