Apriori Algoritmen
Apriori-algoritmen, introduceret af Agrawal og Srikant i 1994, er den grundlæggende metode til at opdage hyppige itemsets og associationsregler i transaktionsdatabaser. Den anvender en bredde-først, niveau-vis søgning styret af den anti-monotone egenskab ved support for effektivt at opregne alle kombinationer af varer, der forekommer sammen over en brugerdefineret minimumstærskel, og udtrækker derefter fortolkelige hvis-så-regler fra disse mønstre.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
+3 more
Kilder
Sådan citerer du denne side
ScholarGate. (2026, June 3). Apriori Algorithm for Association Rule Mining. ScholarGate. https://scholargate.app/da/machine-learning/apriori-algorithm
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- AssocieringsreglerMaskinlæring↔ compare
- FP-Growth (Frequent Pattern Growth)Maskinlæring↔ compare
- K-means ClusteringMaskinlæring↔ compare
- Online læringMaskinlæring↔ compare
- Semi-supervised LearningMaskinlæring↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →