Пояснювані правила асоціацій
Пояснювані правила асоціацій використовують властиво символічну структуру правил «якщо-то» у видобуванні правил асоціацій для надання зрозумілих людині пояснень закономірностей у даних або рішень чорної скриньки. Оскільки кожне правило явно вказує на його передумову та наслідок разом із підтримкою, достовірністю та підйомом, вихідні дані є природно інтерпретованими без необхідності вторинного пост-хок сурогату.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- Agrawal, R., Imielinski, T., & Swami, A. (1993). Mining association rules between sets of items in large databases. Proceedings of the 1993 ACM SIGMOD International Conference on Management of Data, 207–216. DOI: 10.1145/170035.170072 ↗
- Murdoch, W. J., Singh, C., Kumbier, K., Abbasi-Asl, R., & Yu, B. (2019). Definitions, methods, and applications in interpretable machine learning. Proceedings of the National Academy of Sciences, 116(44), 22071–22080. DOI: 10.1073/pnas.1900654116 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Explainable Association Rules Mining. ScholarGate. https://scholargate.app/uk/machine-learning/explainable-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.
- Алгоритм AprioriМашинне навчання↔ compare
- Правила асоціаційМашинне навчання↔ compare
- Пояснюване дерево рішеньМашинне навчання↔ compare
- Пояснюваний Naive BayesМашинне навчання↔ compare
- Пояснюваний випадковий лісМашинне навчання↔ compare
- FP-Growth (Frequent Pattern Growth)Машинне навчання↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →