Górnictwo reguł asocjacyjnych (Apriori)
Górnictwo reguł asocjacyjnych to technika uczenia nienadzorowanego, która odkrywa wzorce współwystępowania między elementami w zbiorach danych transakcyjnych. Formalnie wprowadzone przez Agrawala, Imielińskiego i Swami w 1993 roku, a udoskonalone dzięki przełomowemu algorytmowi Apriori przez Agrawala i Srikanta w 1994 roku, identyfikuje reguły postaci X ⇒ Y — co oznacza, że transakcje zawierające zbiór elementów X mają tendencję do zawierania również zbioru elementów Y — kwantyfikowane przez wsparcie, pewność i lift.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 2). Association Rule Mining (Apriori). ScholarGate. https://scholargate.app/pl/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.
- Analiza Formalnych Konceptów (FCA)Obliczenia miękkie↔ compare
- Klasteryzacja K-średnichUczenie maszynowe↔ compare
- Indukcja reguł (RIPPER)Uczenie maszynowe↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →