Aktiva inlärningsregler för associationer
Aktiva inlärningsregler för associationer kombinerar den iterativa fråge- och märkningsloopen från aktiv inlärning med utvinning av associationsregler, vilket gör det möjligt för en mänsklig expert att styra upptäcksprocessen interaktivt. Istället för att uttömmande räkna upp alla regler över en fast tröskel för stöd och konfidens, väljer systemet de mest informativa regelkandidaterna och ber användaren att bedöma deras intresse, vilket fokuserar sökningen på subjektivt användbara mönster.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Active Learning for Association Rule Mining. ScholarGate. https://scholargate.app/sv/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.
- Aktivt lärandeMaskininlärning↔ compare
- Apriori-algoritmenMaskininlärning↔ compare
- AssocieringsreglerMaskininlärning↔ compare
- FP-Growth (Frequent Pattern Growth)Maskininlärning↔ compare
- Semi-supervised Association RulesMaskininlärning↔ compare
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →