Machine learningPattern mining
연관 규칙 마이닝(Apriori)
연관 규칙 마이닝은 거래 데이터셋에서 항목 간의 동시 출현 패턴을 발견하는 비지도 학습 데이터 마이닝 기법입니다. 1993년 Agrawal, Imieliński, Swami에 의해 형식적으로 소개되었고, 1994년 Agrawal과 Srikant의 기념비적인 Apriori 알고리즘으로 개선된 이 기법은 X ⇒ Y 형태의 규칙을 식별합니다. 이는 항목 집합 X를 포함하는 거래가 항목 집합 Y를 포함하는 경향이 있음을 의미하며, 지지도(support), 신뢰도(confidence), 향상도(lift)로 정량화됩니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 2). Association Rule Mining (Apriori). ScholarGate. https://scholargate.app/ko/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.
Compare side by side →