爲什麼關聯規則學習被認爲是一個監督學習方法？

Question

有人可以向我解釋爲什麼關聯規則學習被認爲是一種監督式學習方法嗎？我理解它的方式是，該算法採用一束連貫的數據集，並計算基於這些臺協會：

{a, b, c} 
{a, b, d} 
=> a -> b 
=> b -> a 

我看到它的方式，只有任意的數據集。沒有特定的目標載體。爲什麼這被稱爲監督？

Answer 1

我想這是一個公開的討論，如果你認爲Association rule learning作爲unsupervised或supervised learning task。雖然Wikipedia它計數到組的監督學習算法other resources指望他們之類的無監督學習算法：

與之相對決策樹和規則設置感應，導致 分類模型，關聯規則學習一個無人監督的 學習方法，沒有分配給例子的類標籤。

機器學習和數據挖掘 - 斯普林格

我想它歸結到實際的學習部是如何實現的。人們可以創建training data - label對的數據集，如你的例子：

{a, b, c} 
{a, b, d} 
=> a -> b 
=> b -> a 

有一對夫婦數百或這些對一個可以訓練一個神經網絡，以瞭解數據集中的基本格局具有相當良好的精度，因爲我的千假設。這將是一個Supervised Learning task，其中NN從預先學習的示例中學習。

如果在另一方面的算法是這樣的關聯基於計算實現的：支持 - 信心 - 電梯 - 強力這將是一個Unsupervised Learning task。