Pravila udruženja sa aktivnim učenjem
Pravila udruženja sa aktivnim učenjem kombinuju iterativnu petlju upita i označavanja aktivnog učenja sa rudarenjem pravila udruženja, omogućavajući ljudskom stručnjaku da interaktivno vodi proces otkrivanja. Umesto iscrpnog nabrajanja svih pravila iznad fiksiranog praga podrške-pouzdanosti, sistem bira najinformativnije kandidate za pravila i traži od korisnika da oceni njihovu zanimljivost, fokusirajući pretragu na subjektivno korisne obrasce.
Pročitajte celu metodu
Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Active Learning for Association Rule Mining. ScholarGate. https://scholargate.app/sr/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.
- Aktivno učenjeMašinsko učenje↔ compare
- Apriori algoritamMašinsko učenje↔ compare
- Pravila asocijacijeMašinsko učenje↔ compare
- FP-Rast (Rast čestih obrazaca)Mašinsko učenje↔ compare
- Polu-nadgledano pronalaženje asocijativnih pravilaMašinsko učenje↔ compare
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →