Algorithme APriori

Cet article est une ébauche concernant l’informatique.

Vous pouvez partager vos connaissances en l’améliorant (comment ?) selon les recommandations des projets correspondants.

L'algorithme APriori 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

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

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

Voir aussi