2.4 KB · ⇊ 2 parts · ⤓ Micron 2.4 KB · ⤓ HTML 13.1 KB

top

L'algorithme APrioricite-ref-1[1] est un algorithme d'exploration de données conçu en 1994, par Rakesh Agrawal et Ramakrishnan Sikrant, dans le domaine de l'apprentissage des règles d'association. Il sert à reconnaître des propriétés qui reviennent fréquemment dans un ensemble de données et d'en déduire une catégorisation.

• Principes

• Voir aussi

• Liens internes

• Références

L'algorithme Apriori s'exécute en deux étapes :

• Soient minsupp l'indice de support minimum donné, et minconf l'indice de confiance donné.

• Génération de tous les itemsets fréquents c'est-à-dire I F = { X i ⊆ ⊆ T | s u p p ( X i ) = X i . c o u n t ≥ ≥ m i n s u p p , i = 1 , 2 , . . n } {\displaystyle IF=\left\{\mathrm {X} _{i}\subseteq \mathrm {T} |supp{\bigl (}\mathrm {X} _{i}{\bigr )}=\mathrm {X} _{i}.count\geq minsupp,i=1,2,..n\right\}}

• Génération de toutes les règles d'associations de confiance à partir des itemsets fréquents, c'est-à-dire

{

X

i

,

Y

j

⊆

⊆

I

F

|

X

i

∩

∩

Y

j

=

∅

∅

∧

∧

C

o

n

f

(

X

i

→

→

Y

j

)

≥

≥

m

i

n

c

o

n

f

i

=

1

,

2

,

.

.

p

j

=

1

,

2

,

.

.

q

}

{\displaystyle \left\{\mathrm {X} _{i},Y_{j}\subseteq IF|\mathrm {X} _{i}\cap Y_{j}=\varnothing \wedge Conf(\mathrm {X} _{i}\rightarrow Y_{j})\geq minconf~i=1,2,..p~j=1,2,..q\right\}}

• Règle d'association

• Exploration de données

cite-note-11. ↑ Rakesh Agrawal, Ramakrishnan Srikant, Fast Algorithms for Mining Association Rules

• Portail de l’informatique

• Portail de l'informatique théorique