Активное обучение для поиска правил ассоциаций
Активное обучение для поиска правил ассоциаций сочетает итеративный цикл запросов и маркировки данных из активного обучения с интеллектуальным анализом ассоциативных правил, позволяя эксперту-человеку интерактивно направлять процесс обнаружения. Вместо исчерпывающего перечисления всех правил, превышающих фиксированный порог поддержки-достоверности, система выбирает наиболее информативные кандидатные правила и просит пользователя оценить их интересность, фокусируя поиск на субъективно полезных закономерностях.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Active Learning for Association Rule Mining. ScholarGate. https://scholargate.app/ru/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.
- Активное обучениеМашинное обучение↔ compare
- Алгоритм AprioriМашинное обучение↔ compare
- Правила ассоциацийМашинное обучение↔ compare
- FP-Рост (Рост часто встречаемых паттернов)Машинное обучение↔ compare
- Полуавтоматическое извлечение правил ассоциацийМашинное обучение↔ compare
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →