Bayesovské asociačné pravidlá
Bayesovské asociačné pravidlá rozširujú klasické dolovanie asociačných pravidiel tým, že priraďujú pravidlám apriórne rozdelenie pravdepodobnosti a hodnotia ich podľa ich aposteriórnej pravdepodobnosti vzhľadom na dáta. Namiesto prahovania na základe surových počtov podpory a dôvery tento Bayesovský rámec prirodzene penalizuje zložitosť, koriguje viacnásobné porovnania a vytvára kalibrované probabilistické sily pravidiel naprieč transakčnými alebo kategorickými dátovými súbormi.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- Heckerman, D., Geiger, D., & Chickering, D. M. (1995). Learning Bayesian networks: The combination of knowledge and statistical data. Machine Learning, 20(3), 197–243. DOI: 10.1007/BF00994016 ↗
- Agrawal, R., & Srikant, R. (1994). Fast algorithms for mining association rules. In Proceedings of the 20th International Conference on Very Large Data Bases (VLDB), 1215, 487–499. link ↗
Ako citovať túto stránku
ScholarGate. (2026, June 3). Bayesian Association Rule Mining. ScholarGate. https://scholargate.app/sk/machine-learning/bayesian-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.
- Algoritmus AprioriStrojové učenie↔ compare
- Asociačné pravidláStrojové učenie↔ compare
- Bayesovský Gaussovský zmesový modelStrojové učenie↔ compare
- Bayesovský naívny BayesStrojové učenie↔ compare
- FP-Growth (rast častých vzorov)Strojové učenie↔ compare
- Polosupervidované asociacné pravidláStrojové učenie↔ compare
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →