Mi mejor apuesta es que quieres aprender de la asociación.
Como habrás adivinado, el aprendizaje de asociación descubre asociaciones entre atributos. Es una gran técnica para comprender los productos que las personas tienden a comprar juntas. El algoritmo Apriori es el estándar para el aprendizaje asociativo.
Funciona en 2 pasos:
- gradualmente construya conjuntos de elementos cada vez más grandes, manteniendo solo los que aparecen en un número suficiente de ejemplos de capacitación, esto nos permite asegurar que las reglas del conjunto de datos tengan suficiente soporte.
- forme reglas a partir de conjuntos de elementos y conserve las que tienen un valor de confianza mínimo que es> = requisito.
Una vez que se complete la extracción de datos, tendrá reglas de asociación con el siguiente formato:
precondición -> conclusión
- ¿Por qué y cuándo subestima 'varianza de Bayes variacional de campo'?
- ¿Por qué el submuestreo de características u observaciones mejora el rendimiento de GBM?
- ¿Qué tan fácil es aprender una función booleana con Descenso de gradiente usando un aprendizaje profundo?
- ¿Cuán sensible es el análisis de componentes independientes (ICA) a la simultaneidad de la señal de entrada?
- ¿Cuáles son algunos de los problemas de desarrollo que enfrenta la inteligencia artificial?
La condición previa podría contener múltiples atributos, como ‘artículo comprado 1’ y artículo comprado 2 ‘ . La conclusión también podría tener múltiples atributos. Y dependiendo de su software, se devolverá el producto cartesiano de las reglas.
Y dado que esto es aprendizaje de asociación, la inversa de la regla es igualmente informativa.
Una cosa a tener en cuenta es que el algoritmo no emparejará conjuntos de elementos que tengan valores diferentes para el mismo atributo, ya que dicho par no es posible. Por ejemplo, ‘ género = femenino ‘ y ‘género = masculino’ .
A diferencia del aprendizaje por clasificación, el aprendizaje por asociación no destaca un solo atributo para un tratamiento especial. En otras palabras, no está tratando de predecir nada. Y como siempre, asegúrese de haber implementado los atributos correctamente.