Reguli de asociere explicabile
Regulile de asociere explicabile valorifică structura intrinsec simbolică, de tip dacă-atunci, a extragerii regulilor de asociere pentru a oferi explicații ușor de înțeles de către oameni pentru tipare de date sau decizii ale modelelor de tip cutie neagră. Deoarece fiecare regulă specifică explicit antecedentul și consecventul său, împreună cu suportul, încrederea și liftul, rezultatele sunt interpretate nativ fără a necesita un substitut secundar post-hoc.
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
- Agrawal, R., Imielinski, T., & Swami, A. (1993). Mining association rules between sets of items in large databases. Proceedings of the 1993 ACM SIGMOD International Conference on Management of Data, 207–216. DOI: 10.1145/170035.170072 ↗
- Murdoch, W. J., Singh, C., Kumbier, K., Abbasi-Asl, R., & Yu, B. (2019). Definitions, methods, and applications in interpretable machine learning. Proceedings of the National Academy of Sciences, 116(44), 22071–22080. DOI: 10.1073/pnas.1900654116 ↗
Cum se citează această pagină
ScholarGate. (2026, June 3). Explainable Association Rules Mining. ScholarGate. https://scholargate.app/ro/machine-learning/explainable-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.
- Algoritmul AprioriÎnvățare automată↔ compare
- Reguli de asociereÎnvățare automată↔ compare
- Arbore de decizie explicabilÎnvățare automată↔ compare
- Naive Bayes explicabilÎnvățare automată↔ compare
- Pădurea Aleatorie ExplicabilăÎnvățare automată↔ compare
- FP-Growth (Creștere Frecventă a Pattern-urilor)Învățare automată↔ compare
Citat de
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →