Semi-supervised Apriori-algoritm
Den semi-övervakade Apriori-algoritmen utökar den klassiska Apriori-algoritmen för att hitta frekventa objektmängder genom att injicera bakgrundskunskap eller märkta begränsningar – såsom par som måste länkas, förbjudna objekt eller användarspecifika minimistödnivåer per grupp – för att styra upptäckten mot praktiskt meningsfulla associationsregler och minska sökutrymmet.
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
- Agrawal, R., & Srikant, R. (1994). Fast algorithms for mining association rules. Proceedings of the 20th International Conference on Very Large Data Bases (VLDB), 487–499. link ↗
- Liu, B., Hsu, W., & Ma, Y. (1999). Mining association rules with multiple minimum supports. Proceedings of the 5th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, 337–341. DOI: 10.1145/312129.312274 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Semi-supervised Apriori Algorithm for Constrained Association Rule Mining. ScholarGate. https://scholargate.app/sv/machine-learning/semi-supervised-apriori-algorithm
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.
- Association Rule Mining (Apriori)Maskininlärning↔ compare
- Kollaborativ filtreringMaskininlärning↔ compare
- FP-Growth (Frequent Pattern Growth)Maskininlärning↔ compare
- Semi-övervakad inlärningMaskininlärning↔ compare
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →