为什么关联规则学习被认为是一种监督学习方法？

Question

谁能给我解释一下，为什么关联规则学习被认为是一种监督学习方法？我的理解是该算法采用一堆连贯的数据集并根据这些数据集计算关联：

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

在我看来，只有任意数据集。没有特定的目标向量。为什么这叫监督？

Answer 1

我想如果有人将 Association rule learning 视为 unsupervised 或 supervised learning task，那将是一场公开讨论。虽然 Wikipedia counts it to the group of supervised learning algorithms other resources 将它们计入 class 无监督学习算法：

As opposed to decision tree and rule set induction, which result in classification models, association rule learning is an unsupervised learning method, with no class labels assigned to the examples.

Machine Learning and Data Mining - Springer

我想这归结为实际学习部分的实施方式。可以创建 training data - label 对的数据集，例如您的示例：

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

拥有成百上千个这样的对，可以训练一个神经网络来理解数据集中的潜在模式，正如我所想的那样具有相当高的准确性。这将是 Supervised Learning task，其中 NN 从预分类示例中学习。

另一方面，如果算法的实现方式是根据以下因素计算关联：支持 - 信心 - 提升 - 信念 它将是 Unsupervised Learning task.

为什么关联规则学习被认为是一种监督学习方法？

Why is Association rule learning considered a supervised learning approach?

classification

machine-learning

data-mining