Bayesianska associationsregler
Bayesianska associationsregler utökar klassisk associationsregelutvinning genom att placera en a priori-sannolikhetsfördelning över regler och poängsätta dem med deras a posteriori-sannolikhet givet data. Istället för att tröskla på råa stöd- och konfidensvärden, straffar detta Bayesianska ramverk naturligt komplexitet, korrigerar för multipla jämförelser och producerar kalibrerade probabilistiska regelstyrkor över transaktions- eller kategoriska dataset.
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
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Bayesian Association Rule Mining. ScholarGate. https://scholargate.app/sv/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.
- Apriori-algoritmenMaskininlärning↔ compare
- AssocieringsreglerMaskininlärning↔ compare
- Bayesiansk Gaussisk BlandningsmodellMaskininlärning↔ compare
- Bayesiansk Naiv BayesMaskininlärning↔ compare
- FP-Growth (Frequent Pattern Growth)Maskininlärning↔ compare
- Semi-supervised Association RulesMaskininlärning↔ compare
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →