Associativ klassificerare

En associativ klassificerare (AC) är en sorts övervakad inlärningsmodell som använder associationsregler för att tilldela ett målvärde. Termen associativ klassificering myntades av Bing Liu et al., där författarna definierade en modell gjord av regler "vars högra sida är begränsad till klassificeringsklassens attribut".

Modell

Modellen som genereras av en AC och används för att märka nya poster består av associationsregler , där följden motsvarar klassetiketten. Som sådana kan de också ses som en lista med "om-då"-satser: om posten matchar vissa kriterier (uttryckt i den vänstra sidan av regeln, även kallad antecedent), märks den sedan i enlighet med klassen på höger sida av regeln (eller följd).

De flesta AC:er läser listan med regler i ordning och tillämpar den första matchningsregeln för att märka den nya posten.

Metrik

Reglerna för en AC ärver några av måtten för föreningsregler, som stödet eller självförtroendet. Mätvärden kan användas för att sortera eller filtrera reglerna i modellen och för att utvärdera deras kvalitet.

Genomföranden

Det första förslaget till en klassificeringsmodell gjord av föreningsregler var FBM. Tillvägagångssättet populariserades av CBA, även om andra författare också tidigare hade föreslagit utvinning av föreningsregler för klassificering. Andra författare har sedan dess föreslagit flera ändringar av den initiala modellen, som tillägget av en överflödig regelbeskärningsfas eller utnyttjandet av nya mönster.

Anmärkningsvärda implementeringar inkluderar:

• CMAR
• CPAR
• L³
• CAEP
• GARC
• ADT.