Правила ассоциаций
Обучение правилам ассоциаций — это неконтролируемый метод, который обнаруживает закономерности совместной встречаемости — следствия вида «если X, то Y» — в больших транзакционных наборах данных. Изначально формализованный Агравалом, Имелински и Свами (1993) для анализа покупок в супермаркетах, он теперь широко применяется в рекомендательных системах электронной коммерции, медицинской информатике, биоинформатике и поведенческих исследованиях.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
- Tan, P.-N., Steinbach, M., Karpatne, A., & Kumar, V. (2018). Introduction to Data Mining (2nd ed., Ch. 5). Pearson. ISBN: 978-0-13-312890-1
Как цитировать эту страницу
ScholarGate. (2026, June 3). Association Rule Learning (Market Basket Analysis). ScholarGate. https://scholargate.app/ru/machine-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.
- Алгоритм AprioriМашинное обучение↔ compare
- Кластеризация методом k-среднихМашинное обучение↔ compare
- Обучение с частичной разметкойМашинное обучение↔ compare
- Голосующая ансамблевая модельМашинное обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →