الگوریتم Apriori
الگوریتم Apriori که در سال ۱۹۹۴ توسط Agrawal و Srikant معرفی شد، روشی بنیادی برای کشف مجموعههای مورد (itemsets) پرتکرار و قواعد وابستگی در پایگاههای داده تراکنشی است. این الگوریتم از جستجوی سطح به سطح و با جهتگیری پهنبند (breadth-first) استفاده میکند که توسط خاصیت ضد مونوتون پشتیبانی (support) هدایت میشود تا به طور کارآمد تمام ترکیبات موردها را که فراوانی آنها بالاتر از یک آستانه حداقل تعیینشده توسط کاربر است، شمارش کند و سپس قواعد قابل تفسیر «اگر-آنگاه» را از آن الگوها استخراج نماید.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
+3 more
منابع
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Apriori Algorithm for Association Rule Mining. ScholarGate. https://scholargate.app/fa/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.
- قواعد وابستگییادگیری ماشین↔ compare
- FP-Growth (رشد الگوی پرتکرار)یادگیری ماشین↔ compare
- خوشهبندی K-meansیادگیری ماشین↔ compare
- یادگیری آنلاینیادگیری ماشین↔ compare
- یادگیری نیمهنظارتشدهیادگیری ماشین↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →