为什么关联规则学习被认为是一个监督学习方法？

Question

有人可以向我解释为什么关联规则学习被认为是一种监督式学习方法吗？我理解它的方式是，该算法采用一束连贯的数据集，并计算基于这些台协会：

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

我看到它的方式，只有任意的数据集。没有特定的目标载体。为什么这被称为监督？

Answer 1

我想这是一个公开的讨论，如果你认为Association rule learning作为unsupervised或supervised learning task。虽然Wikipedia它计数到组的监督学习算法other resources指望他们之类的无监督学习算法：

与之相对决策树和规则设置感应，导致 分类模型，关联规则学习一个无人监督的 学习方法，没有分配给例子的类标签。

机器学习和数据挖掘 - 斯普林格

我想它归结到实际的学习部是如何实现的。人们可以创建training data - label对的数据集，如你的例子：

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

有一对夫妇数百或这些对一个可以训练一个神经网络，以了解数据集中的基本格局具有相当良好的精度，因为我的千假设。这将是一个Supervised Learning task，其中NN从预先学习的示例中学习。

如果在另一方面的算法是这样的关联基于计算实现的：支持 - 信心 - 电梯 - 强力这将是一个Unsupervised Learning task。