Analyse D'association

L'analyse d'association est le processus de recherche de modèles fréquents, d'associations, de corrélations ou de structures causales entre des ensembles d'éléments ou d'objets dans des données de transaction, des données relationnelles ou d'autres supports d'information.

Méthode d'analyse d'association

Algorithme a priori

L'algorithme Apriori est un algorithme de base pour l'extraction d'ensembles d'éléments fréquents nécessaires pour générer des règles d'association booléennes. Il utilise une méthode itérative appelée recherche couche par couche, où k ensembles d'éléments sont utilisés pour explorer k+1 ensembles d'éléments.

Algorithme de croissance FP

L'algorithme FP-growth analyse la base de données des transactions deux fois et compresse et stocke les éléments fréquents contenus dans chaque transaction par ordre décroissant de leur prise en charge dans l'arbre FP. De cette façon, lors du processus de découverte de modèles fréquents à l'avenir, il n'est pas nécessaire de scanner à nouveau la base de données des transactions, et seule la recherche dans l'arbre FP est requise.

Apprentissage des règles d'association

L'apprentissage des règles d'association est une méthode permettant de découvrir des relations intéressantes entre des variables dans une grande base de données. Son objectif est d’utiliser certaines mesures d’intérêt pour identifier les règles fortes trouvées dans la base de données.