Associatieregels Leren (Apriori)
Associatieregels Leren is een onbewaakte data-miningtechniek die co-occurentiepatronen tussen items in transactionele datasets ontdekt. Formeel geïntroduceerd door Agrawal, Imieliński en Swami in 1993, en verfijnd met het baanbrekende Apriori-algoritme door Agrawal en Srikant in 1994, identificeert het regels van de vorm X ⇒ Y — wat betekent dat transacties die itemset X bevatten, doorgaans ook itemset Y bevatten — gekwantificeerd door support, confidence en lift.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 2). Association Rule Mining (Apriori). ScholarGate. https://scholargate.app/nl/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.
- Formele conceptanalyse (FCA)Soft computing↔ compare
- K-Means ClusteringMachine learning↔ compare
- Regelinductie (RIPPER)Machine learning↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →