Reguli de asociere cu învățare activă
Regulile de asociere cu învățare activă combină bucla iterativă de interogare și etichetare a învățării active cu extragerea regulilor de asociere, permițând unui expert uman să ghideze interactiv procesul de descoperire. În loc să enumere exhaustiv toate regulile peste un prag fix de suport-încredere, sistemul selectează cele mai informative reguli candidate și cere utilizatorului să le judece interesul, concentrând căutarea pe tipare subiectiv utile.
Citește metoda completă
Autentifică-te cu un cont gratuit pentru a citi această secțiune.
Method map
The neighbourhood of related methods — select a node to explore.
Surse
- 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 ↗
Cum se citează această pagină
ScholarGate. (2026, June 3). Active Learning for Association Rule Mining. ScholarGate. https://scholargate.app/ro/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.
- Învățare activăÎnvățare automată↔ compare
- Algoritmul AprioriÎnvățare automată↔ compare
- Reguli de asociereÎnvățare automată↔ compare
- FP-Growth (Creștere Frecventă a Pattern-urilor)Învățare automată↔ compare
- Reguli de asociere semi-supervizateÎnvățare automată↔ compare
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →