Association Rule Mining (Apriori)
Association Rule Mining er en uovervåget datamining-teknik, der afdækker mønstre for samtidig forekomst blandt elementer i transaktionsdatasæt. Formelt introduceret af Agrawal, Imieliński og Swami i 1993 og forfinet med den banebrydende Apriori-algoritme af Agrawal og Srikant i 1994, identificerer den regler af formen X ⇒ Y – hvilket betyder, at transaktioner, der indeholder elementmængden X, også har tendens til at indeholde elementmængden Y – kvantificeret ved support, confidence og lift.
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.
Kilder
- Agrawal, R., Imieliński, T., & Swami, A. (1993). Mining association rules between sets of items in large databases. ACM SIGMOD, 207–216. DOI: 10.1145/170035.170072 ↗
- Agrawal, R., & Srikant, R. (1994). Fast algorithms for mining association rules. Proceedings of the 20th VLDB Conference, 487–499. link ↗
Sådan citerer du denne side
ScholarGate. (2026, June 2). Association Rule Mining (Apriori). ScholarGate. https://scholargate.app/da/machine-learning/association-rule-mining
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.
- Formel konceptanalyse (FCA)Soft computing↔ compare
- K-Means ClusteringMaskinlæring↔ compare
- Regelinduktion (RIPPER)Maskinlæring↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →