Алгоритм напівкерованого навчання Apriori
Алгоритм напівкерованого навчання Apriori розширює класичний алгоритм пошуку частих наборів елементів Apriori шляхом введення фонових знань або мічених обмежень — таких як пари must-link, заборонені елементи або користувацькі мінімальні пороги підтримки для кожної групи — для зміщення пошуку в бік практично значущих правил асоціації та зменшення простору пошуку.
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., & 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 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Semi-supervised Apriori Algorithm for Constrained Association Rule Mining. ScholarGate. https://scholargate.app/uk/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.
- Видобування асоціативних правил (Apriori)Машинне навчання↔ compare
- Колаборативна фільтраціяМашинне навчання↔ compare
- FP-Growth (Frequent Pattern Growth)Машинне навчання↔ compare
- Напівкероване навчанняМашинне навчання↔ compare
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →