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 $IF = \left\{ \Chi_i \subseteq \Tau | supp\bigl(\Chi_i\bigr)= \Chi_i .count \ge minsupp , i= 1,2,..n \right\}$
• Génération de toutes les règles d'associations de confiance à partir des itemsets fréquents, c'est-à-dire

$\left\{ \Chi_i, Y_j \subseteq IF | Conf( \Chi_i \rightarrow Y_j ) \ge minconf ~ i= 1,2,..p ~ j= 1,2,..q \right\}$

Voir aussi

Liens internes

• Règle d'association
• Exploration de données

Références

1. ↑ Rakesh Agrawal, Ramakrishnan Srikant, Fast Algorithms for Mining Association Rules