การทำเหมืองกฎความสัมพันธ์แบบกึ่งมีผู้สอน (Semi-supervised Association Rules)
การทำเหมืองกฎความสัมพันธ์แบบกึ่งมีผู้สอนเป็นการต่อยอดจากการเรียนรู้กฎความสัมพันธ์แบบดั้งเดิม โดยการนำข้อมูลที่มีป้ายกำกับ (labeled data) จำนวนเล็กน้อยมาใช้ร่วมกับชุดข้อมูลที่ไม่มีป้ายกำกับ (unlabeled data) จำนวนมาก การทำเหมืองวิธีนี้ใช้ข้อมูลคลาสที่ทราบ หรือข้อจำกัดที่ผู้ใช้กำหนด เพื่อชี้นำการค้นหากฎที่ทั้งมีความถี่ทางสถิติและมีความหมายในเชิงความหมาย ซึ่งเป็นการเชื่อมโยงระหว่างการทำเหมืองรูปแบบที่ไม่มีผู้สอน (unsupervised pattern mining) กับการกำกับดูแลแบบเบา (light supervision)
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Semi-supervised Association Rule Mining. ScholarGate. https://scholargate.app/th/machine-learning/semi-supervised-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
- FP-Growth (Frequent Pattern Growth)การเรียนรู้ของเครื่อง↔ compare
- การแพร่กระจายป้ายกำกับการเรียนรู้ของเครื่อง↔ compare
- การเรียนรู้แบบกึ่งกำกับดูแลการเรียนรู้ของเครื่อง↔ compare