为啥关联规则学习被认为是一种监督学习方法？

Posted 2023-03-13

【中文标题】为啥关联规则学习被认为是一种监督学习方法？

【英文标题】：Why is Association rule learning considered a supervised learning approach?为什么关联规则学习被认为是一种监督学习方法？

【发布时间】：2017-09-20 01:36:58

【问题描述】：

有人可以向我解释一下，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。没有特定的目标载体。为什么这叫做有监督？

【问题讨论】：

谁说它是有监督的？我知道的所有来源都认为它是无监督的，因为没有目标标签。

***将其列为监督学习方法。我也做了一些谷歌搜索，将其分类的 2-3 个来源也将其列为受监督的。它也让我觉得很奇怪，因为它没有目标标签。我认为它可能会隐含地将包含集的其他成员分配为标签，使其成为一种受监督的算法，但由于没有记录在任何地方，我想我可能会在这里问。

他们可能只是从 Wikipedia 复制了这个有问题的声明...... :-)

【参考方案1】：

如果有人将Association rule learning 视为unsupervised 或supervised learning task，我想这是一个公开讨论。而Wikipedia 将其计入监督学习算法组other resources 将其计入无监督学习算法类：

与决策树和规则集归纳相反，这会导致 分类模型，关联规则学习是一种无监督的 学习方法，没有为示例分配类标签。

机器学习和数据挖掘 - Springer

我想这取决于实际的学习部分是如何实施的。可以创建 training data - label 对的数据集，例如在您的示例中：

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

拥有数百或数千个这样的对，可以训练神经网络以相当高的准确度理解数据集中的底层模式，正如我所想的那样。这将是一个Supervised Learning task，NN 从预分类示例中学习。

另一方面，如果算法以这样一种方式实现，即基于以下条件计算关联：Support - Confidence - Lift - Conviction 它将是Unsupervised Learning task。