การทำเหมืองกฎความสัมพันธ์ (Association Rule Mining) (Apriori)
การทำเหมืองกฎความสัมพันธ์ (Association Rule Mining) เป็นเทคนิคการทำเหมืองข้อมูลแบบไม่มีผู้สอน (unsupervised data-mining technique) ที่ค้นหารูปแบบการปรากฏร่วมกันของรายการต่างๆ ในชุดข้อมูลธุรกรรม (transactional datasets) โดยพื้นฐานแล้ว เทคนิคนี้ถูกนำเสนออย่างเป็นทางการโดย Agrawal, Imieliński, และ Swami ในปี 1993 และได้รับการปรับปรุงด้วยอัลกอริทึม Apriori ที่เป็นหลักโดย Agrawal และ Srikant ในปี 1994 โดยมีเป้าหมายเพื่อระบุ กฎในรูปแบบ X ⇒ Y ซึ่งหมายความว่าธุรกรรมที่มีเซตรายการ X มักจะมีเซตรายการ Y ด้วย โดยกฎเหล่านี้จะถูกวัดค่าด้วยความถี่ (support) ความเชื่อมั่น (confidence) และการยกขึ้น (lift)
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 2). Association Rule Mining (Apriori). ScholarGate. https://scholargate.app/th/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.
- การวิเคราะห์แนวคิดเชิงรูปนัย (Formal Concept Analysis - FCA)การคำนวณแบบอ่อน↔ compare
- การจัดกลุ่มแบบ K-Meansการเรียนรู้ของเครื่อง↔ compare
- การเรียนรู้กฎ (RIPPER)การเรียนรู้ของเครื่อง↔ compare