กฎความสัมพันธ์แบบเรียนรู้เชิงรุก
กฎความสัมพันธ์แบบเรียนรู้เชิงรุกเป็นการรวมวงวนการสอบถามและติดป้ายกำกับซ้ำ ๆ ของการเรียนรู้เชิงรุกเข้ากับการทำเหมืองกฎความสัมพันธ์ ซึ่งช่วยให้ผู้เชี่ยวชาญที่เป็นมนุษย์สามารถนำทางกระบวนการค้นพบได้อย่างโต้ตอบ แทนที่จะแจกแจงกฎทั้งหมดที่อยู่เหนือเกณฑ์ความเชื่อมั่นของส่วนสนับสนุนที่กำหนดไว้ ระบบจะเลือกผู้สมัครกฎที่มีข้อมูลมากที่สุดและขอให้ผู้ใช้ตัดสินความน่าสนใจของกฎเหล่านั้น โดยมุ่งเน้นการค้นหาไปที่รูปแบบที่มีประโยชน์ในเชิงอัตวิสัย
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Active Learning for Association Rule Mining. ScholarGate. https://scholargate.app/th/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.
- Active Learningการเรียนรู้ของเครื่อง↔ compare
- อัลกอริทึม Aprioriการเรียนรู้ของเครื่อง↔ compare
- Association Rulesการเรียนรู้ของเครื่อง↔ compare
- FP-Growth (Frequent Pattern Growth)การเรียนรู้ของเครื่อง↔ compare
- การทำเหมืองกฎความสัมพันธ์แบบกึ่งมีผู้สอน (Semi-supervised Association Rules)การเรียนรู้ของเครื่อง↔ compare