Полуавтоматический алгоритм Apriori
Полуавтоматический алгоритм Apriori расширяет классический алгоритм поиска частых наборов элементов Apriori путем введения фоновых знаний или размеченных ограничений — таких как пары «должны быть вместе», запрещенные элементы или пользовательские минимальные пороги поддержки для каждой группы — чтобы сместить поиск в сторону практически значимых правил ассоциации и сократить пространство поиска.
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., & Srikant, R. (1994). Fast algorithms for mining association rules. Proceedings of the 20th International Conference on Very Large Data Bases (VLDB), 487–499. link ↗
- Liu, B., Hsu, W., & Ma, Y. (1999). Mining association rules with multiple minimum supports. Proceedings of the 5th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, 337–341. DOI: 10.1145/312129.312274 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Semi-supervised Apriori Algorithm for Constrained Association Rule Mining. ScholarGate. https://scholargate.app/ru/machine-learning/semi-supervised-apriori-algorithm
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.
- Поиск ассоциативных правил (Apriori)Машинное обучение↔ compare
- Коллаборативная фильтрацияМашинное обучение↔ compare
- FP-Рост (Рост часто встречаемых паттернов)Машинное обучение↔ compare
- Обучение с частичной разметкойМашинное обучение↔ compare
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →