Asociatīvo likumu ieguve (Apriori)
Asociatīvo likumu ieguve ir neuzraudzīta datu ieguves tehnika, kas atklāj vienlaicīgas parādīšanās modeļus starp vienumiem transakciju datu kopās. Formāli ieviesta Agrawala, Imieliņska un Svami 1993. gadā un pilnveidota ar nozīmīgo Apriori algoritmu Agrawala un Srikanth 1994. gadā, tā identificē likumus formā X ⇒ Y — kas nozīmē, ka transakcijas, kas satur vienumu kopu X, mēdz saturēt arī vienumu kopu Y — kvantificēti ar atbalstu (support), pārliecību (confidence) un pacēlumu (lift).
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 2). Association Rule Mining (Apriori). ScholarGate. https://scholargate.app/lv/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.
- Formālā konceptu analīze (FCA)Mīkstā skaitļošana↔ compare
- K-Means klasterizācijaMašīnmācīšanās↔ compare
- Noteikumu indukcija (RIPPER)Mašīnmācīšanās↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →