Bei der Assoziationsanalyse handelt es sich um den Prozess, häufige Muster, Assoziationen, Korrelationen oder kausale Strukturen zwischen Mengen von Elementen oder Objekten in Transaktionsdaten, relationalen Daten oder anderen Informationsträgern zu finden.

Assoziationsanalysemethode

Apriori-Algorithmus

Der Apriori-Algorithmus ist ein grundlegender Algorithmus zum Mining häufiger Itemsets, die zum Generieren boolescher Assoziationsregeln erforderlich sind. Es verwendet eine iterative Methode namens „Schicht-für-Schicht-Suche“, bei der k Itemsets verwendet werden, um k+1 Itemsets zu erkunden.

FP-Wachstumsalgorithmus

Der FP-Growth-Algorithmus durchsucht die Transaktionsdatenbank zweimal und komprimiert und speichert die in jeder Transaktion enthaltenen häufigen Elemente in absteigender Reihenfolge ihrer Unterstützung im FP-Baum. Auf diese Weise muss beim Erkennen häufiger Muster in Zukunft die Transaktionsdatenbank nicht erneut gescannt werden, sondern es ist nur die Suche im FP-Baum erforderlich.

Lernen von Assoziationsregeln

Das Lernen von Assoziationsregeln ist eine Methode zum Entdecken interessanter Beziehungen zwischen Variablen in einer großen Datenbank. Ziel ist es, mithilfe einiger Interessantheitsmaße starke Regeln in der Datenbank zu identifizieren.