Ensemble-associationsregler
Ensemble-associationsregler tillämpar principer för ensembleinlärning på utvinning av associationsregler: flera regeluppsättningar upptäcks från olika dataundergrupper eller med varierande parametrar, för att sedan slås samman och viktas för att producera en stabilare och mer komplett uppsättning av samförekomstmönster. Tillvägagångssättet minskar känsligheten för val av tröskelvärden för "support" och "confidence" och förbättrar robustheten på brusiga transaktionsdata.
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
- Domingos, P. (1999). MetaCost: A general method for making classifiers cost-sensitive. Proceedings of the 5th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, 155–164. link ↗
- Rymon, R. (1992). Search through systematic set enumeration. Proceedings of the 3rd International Conference on Principles of Knowledge Representation and Reasoning, 539–550. — foundational work on systematic enumeration used in ensemble aggregation of frequent itemsets. link ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Ensemble Association Rule Mining. ScholarGate. https://scholargate.app/sv/machine-learning/ensemble-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
- Bagging (Bootstrap Aggregating)Maskininlärning↔ compare
- BoostingMaskininlärning↔ compare
- FP-Growth (Frequent Pattern Growth)Maskininlärning↔ compare
- RöstningsensembleMaskininlärning↔ compare
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →