เปรียบเทียบวิธี

	การทำเหมืองกฎความสัมพันธ์ (Association Rule Mining) (Apriori)	การจัดกลุ่มแบบ K-Means
สาขาวิชา	การเรียนรู้ของเครื่อง	การเรียนรู้ของเครื่อง
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	1994	1967
ผู้ริเริ่ม	Rakesh Agrawal & Ramakrishnan Srikant	MacQueen, J.
ประเภท	Unsupervised pattern discovery algorithm	Partitional clustering (centroid-based)
แหล่งต้นตำรับ	Agrawal, R., Imieliński, T., & Swami, A. (1993). Mining association rules between sets of items in large databases. ACM SIGMOD, 207–216.	MacQueen, J. (1967). Some Methods for Classification and Analysis of Multivariate Observations. Proceedings of the 5th Berkeley Symposium on Mathematical Statistics and Probability, 1, 281–297.
ชื่อเรียกอื่น	Market Basket Analysis, Frequent Itemset Mining, Birliktelik Kuralı Madenciliği, Itemset Association Analysis	K-Ortalamalar Kümeleme, k-ortalamalar kümeleme, k-means, centroid clustering
ที่เกี่ยวข้อง	3	3
สรุป	Association Rule Mining is an unsupervised data-mining technique that discovers co-occurrence patterns among items in transactional datasets. Formally introduced by Agrawal, Imieliński, and Swami in 1993, and refined with the landmark Apriori algorithm by Agrawal and Srikant in 1994, it identifies rules of the form X ⇒ Y — meaning that transactions containing itemset X tend to also contain itemset Y — quantified by support, confidence, and lift.	K-Means Clustering is a centroid-based partitional clustering algorithm, traced to J. MacQueen in 1967, that splits data into k clusters by assigning each observation to its nearest cluster centre. It is widely used for marketing segmentation, customer grouping, and exploratory analysis.