อัลกอริทึม Apriori แบบกึ่งมีผู้สอน
อัลกอริทึม Semi-supervised Apriori เป็นการต่อยอดจากอัลกอริทึม Apriori แบบคลาสสิกสำหรับค้นหา frequent-itemset โดยการผนวกความรู้พื้นฐาน (background knowledge) หรือข้อจำกัดที่มีป้ายกำกับ (labeled constraints) เช่น คู่ของรายการที่ต้องปรากฏร่วมกัน (must-link pairs), รายการที่ห้ามปรากฏ (forbidden items), หรือเกณฑ์การสนับสนุนขั้นต่ำที่ผู้ใช้กำหนดสำหรับแต่ละกลุ่ม (user-specified minimum support thresholds per group) เพื่อชี้นำการค้นหาไปสู่กฎความสัมพันธ์ที่มีความหมายในทางปฏิบัติและลดปริภูมิการค้นหา
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Semi-supervised Apriori Algorithm for Constrained Association Rule Mining. ScholarGate. https://scholargate.app/th/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.
- การทำเหมืองกฎความสัมพันธ์ (Association Rule Mining) (Apriori)การเรียนรู้ของเครื่อง↔ compare
- การกรองแบบร่วมมือ (Collaborative Filtering)การเรียนรู้ของเครื่อง↔ compare
- FP-Growth (Frequent Pattern Growth)การเรียนรู้ของเครื่อง↔ compare
- การเรียนรู้แบบกึ่งกำกับดูแลการเรียนรู้ของเครื่อง↔ compare