Apriori-algoritmen
Apriori-algoritmen, introdusert av Agrawal og Srikant i 1994, er den grunnleggende metoden for å oppdage hyppige elementsett og assosiasjonsregler i transaksjonsdatabaser. Den bruker en bredde-først, nivåvis søk styrt av den anti-monotone egenskapen til støtte for effektivt å telle opp alle kombinasjoner av elementer som forekommer sammen over en brukerdefinert minimumsterskel, og trekker deretter ut tolkbare hvis-så-regler fra disse mønstrene.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
+3 more
Kilder
Slik siterer du denne siden
ScholarGate. (2026, June 3). Apriori Algorithm for Association Rule Mining. ScholarGate. https://scholargate.app/no/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.
- AssosiasjonsreglerMaskinlæring↔ compare
- FP-Growth (Frequent Pattern Growth)Maskinlæring↔ compare
- K-means klyngeanalyseMaskinlæring↔ compare
- Online læringMaskinlæring↔ compare
- Semiveiledet læringMaskinlæring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →