Algorithme APriori

Un article de Wikipédia, l'encyclopédie libre.
Aller à : navigation, rechercher

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[modifier | modifier le code]

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 | \Chi_i \cap Y_j = \varnothing \wedge Conf( \Chi_i  \rightarrow Y_j ) \ge minconf ~ i= 1,2,..p ~  j= 1,2,..q \right\}

Voir aussi[modifier | modifier le code]

Liens internes[modifier | modifier le code]

Références[modifier | modifier le code]

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