Algorithme APriori

L'algorithme APriori[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 reconnaitre des propriétés qui reviennent fréquemment dans un ensemble de données et d'en déduire une catégorisation.

Principes

L'algorithme Apriori s'execute 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 $IF=\left\{\mathrm {X} _{i}\subseteq \mathrm {T} |supp{\bigl (}\mathrm {X} _{i}{\bigr )}=\mathrm {X} _{i}.count\geq minsupp,i=1,2,..n\right\}$
Génération de toutes les règles d'associations de confiance à partir des itemsets fréquents, c'est-à-dire

\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\}

Voir aussi

Liens internes

Références

Rakesh Agrawal, Ramakrishnan Srikant, Fast Algorithms for Mining Association Rules

Portail de l’informatique
Portail de l'informatique théorique

Cet article est issu de Wikipedia. Le texte est sous licence Creative Commons - Attribution - Partage dans les Mêmes. Des conditions supplémentaires peuvent s'appliquer aux fichiers multimédias.

[1] Rakesh Agrawal, Ramakrishnan Srikant, Fast Algorithms for Mining Association Rules