กฎความสัมพันธ์แบบเบย์ (Bayesian Association Rules)
กฎความสัมพันธ์แบบเบย์เป็นการขยายขอบเขตของการทำเหมืองกฎความสัมพันธ์แบบดั้งเดิม โดยกำหนดการแจกแจงความน่าจะเป็นก่อน (prior probability distribution) ให้กับกฎต่างๆ และให้คะแนนตามความน่าจะเป็นภายหลัง (posterior probability) เมื่อพิจารณาจากข้อมูลแล้ว กรอบการทำงานแบบเบย์นี้จะลงโทษความซับซ้อนโดยธรรมชาติ แก้ไขปัญหาการเปรียบเทียบหลายครั้ง (multiple comparisons) และให้ค่าความแข็งแกร่งของกฎที่เป็นความน่าจะเป็นที่สอบเทียบแล้ว (calibrated probabilistic rule strengths) สำหรับชุดข้อมูลแบบรายการ (transactional) หรือแบบจัดกลุ่ม (categorical)
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Bayesian Association Rule Mining. ScholarGate. https://scholargate.app/th/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.
- อัลกอริทึม Aprioriการเรียนรู้ของเครื่อง↔ compare
- Association Rulesการเรียนรู้ของเครื่อง↔ compare
- แบบจำลองส่วนผสมแบบเกาส์เซียนแบบเบย์ (Bayesian Gaussian Mixture Model)การเรียนรู้ของเครื่อง↔ compare
- Bayesian Naive Bayesการเรียนรู้ของเครื่อง↔ compare
- FP-Growth (Frequent Pattern Growth)การเรียนรู้ของเครื่อง↔ compare
- การทำเหมืองกฎความสัมพันธ์แบบกึ่งมีผู้สอน (Semi-supervised Association Rules)การเรียนรู้ของเครื่อง↔ compare