Apriori-algoritmen
Apriori-algoritmen, introducerad av Agrawal och Srikant 1994, är den grundläggande metoden för att upptäcka frekventa itemsets och associationsregler i transaktionsdatabaser. Den använder en bredd-först, nivå-vis sökning styrd av den anti-monotona egenskapen hos support för att effektivt räkna upp alla itemkombinationer som förekommer tillsammans över en användardefinierad minimitröskel, och extraherar sedan tolkningsbara om-då-regler från dessa mönster.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
+3 more
Källor
Så citerar du den här sidan
ScholarGate. (2026, June 3). Apriori Algorithm for Association Rule Mining. ScholarGate. https://scholargate.app/sv/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.
- AssocieringsreglerMaskininlärning↔ compare
- FP-Growth (Frequent Pattern Growth)Maskininlärning↔ compare
- K-means-klustringMaskininlärning↔ compare
- Online LearningMaskininlärning↔ compare
- Semi-övervakad inlärningMaskininlärning↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →