ベイジアンネットワークと相関ルール

Aprioriアルゴリズムは、いくつかの含意規則を見つけます。

同様の結果がベイジアンネットワークによって提供されます。

本質的な違いは何ですか？具体的な長所/短所は何ですか？

編集： Aprioriアルゴリズムは、次の図（このホワイトペーパーから取得）で視覚的に確認できるように、一種の影響としてアソシエーションルールを生成します。

この質問は、質問に似ています。パラメトリックモデルと非パラメトリックモデルの違いは何ですか。

• ベイジアンネットワークは、パラメトリックモデルと見なすことができます。確率変数、および確率変数間の依存関係に関する明示的な仮定がある場合（構造学習を行わずにパラメーター学習のみを行うと仮定）。

• アプリオリアルゴリズムは「データマイニング」アルゴリズムの一種です。つまり、実際の「機械学習」ではなく、効果的なアルゴリズムですべてのパターンを提供します。つまり、特定のパラメーターを学習/調整して特定の目的関数を最適化します。

• どちらが良いですか？または長所と短所？パラメトリックモデルと非パラメトリックモデルについての説明と同じです。ベイジアンネットワークの仮定が適切であれば、それは「より良い」でしょう。一方、仮定が正確でない場合は、アプリオリの方が良い場合があります。

さらに、ベイジアンネットワークとアプリオリアルゴリズムの使用方法は異なります。

• ベイジアンネットワークは主に「推論」に使用されます。ベイジアンネットワークに尋ねることができる質問は、「AとBが発生したことがわかっている場合、Cが発生し、Dが発生しない可能性は何ですか」のようなものですか？モデルはクエリの確率を与えます。

• Aprioriアルゴリズムは、条件を満たす頻繁なアイテムセットを取得するために使用されます。よく尋ねられる質問は、「よく寄せられる項目は何ですか」です。これは、ベイジアンネットワークで言及されている条件付き確率クエリとは異なります。

• 非公式に言えば、アプリオリは連帯確率について質問し、すべての高周波の組み合わせを保存しようとしていると考えることができます。一方、ベイジアンネットワークは、条件付き確率についての質問を試みています。