Apriori-Algorithmus
Der Apriori-Algorithmus, der 1994 von Agrawal und Srikant eingeführt wurde, ist die grundlegende Methode zur Entdeckung häufiger Itemsets und Assoziationsregeln in Transaktionsdatenbanken. Er verwendet eine Breitensuche, die stufenweise vorgeht und durch die anti-monotone Eigenschaft des Supports geleitet wird, um effizient alle Item-Kombinationen zu enumerieren, die über einem vom Benutzer festgelegten Mindestschwellenwert gemeinsam auftreten. Anschließend extrahiert er interpretierbare Wenn-Dann-Regeln aus diesen Mustern.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
+3 more
Quellen
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Apriori Algorithm for Association Rule Mining. ScholarGate. https://scholargate.app/de/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.
- AssoziationsregelnMaschinelles Lernen↔ compare
- FP-Growth (Frequent Pattern Growth)Maschinelles Lernen↔ compare
- K-means ClusteringMaschinelles Lernen↔ compare
- Online-LernenMaschinelles Lernen↔ compare
- Semi-Supervised LearningMaschinelles Lernen↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →