Pravila asocijacije
Učenje pravila asocijacije je nenadzirana tehnika koja otkriva obrasce ko-pojavljivanja — implikacije tipa 'ako X onda Y' — unutar velikih transakcionih skupova podataka. Prvobitno formalizovana od strane Agrawala, Imielinskog i Swamija (1993) za analizu korpe za kupovinu u supermarketima, sada se široko primenjuje u preporukama za e-trgovinu, zdravstvenoj informatiku, bioinformatici i bihevioralnim istraživanjima.
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
- 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
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Association Rule Learning (Market Basket Analysis). ScholarGate. https://scholargate.app/sr/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.
- Apriori algoritamMašinsko učenje↔ compare
- K-means algoritam klasterovanjaMašinsko učenje↔ compare
- Semi-supervised LearningMašinsko učenje↔ compare
- Glasački ansamblMašinsko učenje↔ compare
Citirana u
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →