Exploration de règles d'association (Apriori)
L'exploration de règles d'association est une technique non supervisée d'exploration de données qui découvre des motifs de cooccurrence parmi des éléments dans des ensembles de données transactionnelles. Introduite formellement par Agrawal, Imieliński et Swami en 1993, et affinée avec l'algorithme phare Apriori par Agrawal et Srikant en 1994, elle identifie des règles de la forme X ⇒ Y — signifiant que les transactions contenant l'ensemble d'éléments X ont tendance à contenir également l'ensemble d'éléments Y — quantifiées par le support, la confiance et le lift.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 2). Association Rule Mining (Apriori). ScholarGate. https://scholargate.app/fr/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.
- L'analyse formelle de concepts (FCA)Soft computing↔ compare
- Regroupement par K-moyennesApprentissage automatique↔ compare
- Induction de règles (RIPPER)Apprentissage automatique↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →