เปรียบเทียบวิธี

	กฎความสัมพันธ์แบบเบย์ (Bayesian Association Rules)	การทำเหมืองกฎความสัมพันธ์แบบกึ่งมีผู้สอน (Semi-supervised Association Rules)
สาขาวิชา	การเรียนรู้ของเครื่อง	การเรียนรู้ของเครื่อง
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	1994–1995	2003–2010s
ผู้ริเริ่ม	Heckerman, D. et al.; Agrawal, R. & Srikant, R.	Liu, B.; Hsu, W.; Ma, Y. (and subsequent researchers)
ประเภท	Probabilistic rule mining	Pattern mining with partial supervision
แหล่งต้นตำรับ	Heckerman, D., Geiger, D., & Chickering, D. M. (1995). Learning Bayesian networks: The combination of knowledge and statistical data. Machine Learning, 20(3), 197–243.	Liu, B., Hsu, W., & Ma, Y. (2003). Integrating Classification and Association Rule Mining. In Proceedings of the 4th IEEE International Conference on Data Mining (ICDM), pp. 339–346.
ชื่อเรียกอื่น	Bayesian rule learning, probabilistic association rules, Bayesian itemset mining, BAR	semi-supervised ARM, label-guided association rule mining, constrained association rule mining, semi-supervised pattern discovery
ที่เกี่ยวข้อง	6	4
สรุป	Bayesian Association Rules extend classical association rule mining by placing a prior probability distribution over rules and scoring them by their posterior probability given the data. Rather than thresholding on raw support and confidence counts, this Bayesian framework naturally penalises complexity, corrects for multiple comparisons, and produces calibrated probabilistic rule strengths across transactional or categorical datasets.	Semi-supervised association rule mining extends classical association rule learning by incorporating a small amount of labeled data alongside a larger unlabeled dataset. It uses known class information or user-provided constraints to guide the discovery of rules that are both statistically frequent and semantically meaningful, bridging unsupervised pattern mining with light supervision.