能否有人解释一下，为什么关联规则学习被认为是一种监督学习方法？我理解的是，算法会处理一组连贯的数据集，并基于这些集合计算关联：

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

在我看来，这些只是任意的数据集。没有特定的目标向量。为什么这被称为监督学习呢？

回答：

我认为，如果有人将关联规则学习视为无监督或监督学习任务，这是一个开放的讨论。虽然维基百科将其归类为监督学习算法，但其他资源则将其归类为无监督学习算法：

与决策树和规则集归纳不同，后者生成分类模型，关联规则学习是一种无监督学习方法，没有为示例分配类别标签。

机器学习和数据挖掘 – 施普林格

我认为这取决于实际学习部分是如何实现的。可以创建一组训练数据 - 标签对，如你的示例所示：

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

有了数百或数千个这样的对，我认为可以训练一个神经网络来理解数据集中潜在的模式，并且精度相当高。这将是一种监督学习任务，其中神经网络从预分类示例中学习。

另一方面，如果算法是基于支持度 – 置信度 – 提升度 – 确信度来计算关联的，那么这将是一种无监督学习任务。