Der Apriori-Knoten erkennt Assoziationsregeln in Ihren Daten.

Assoziationsregeln sind Anweisungen im folgenden Format:

if  antecedent(s)  then  consequent(s)

Wenn ein Kunde beispielsweise einen Rasierer und eine Rasur kauft, wird dieser Kunde mit 80% Konfidenz Rasiercreme kaufen. Apriori extrahiert ein Regelset aus den Daten und daraus die Regeln mit dem höchsten Informationsgehalt. Der Apriori-Knoten erkennt Assoziationsregeln in den Daten. Apriori bietet fünf verschiedene Methoden zur Auswahl von Regeln und verwendet ein ausgereiftes Indizierungsschema zur effizienten Verarbeitung großer Datasets.

Anforderungen. Um ein Apriori-Regelwerk zu erstellen, benötigen Sie mindestens ein Input -Feld und mindestens ein Target -Feld. Eingabe-und Ausgabefelder (Felder mit der Rolle Input, Targetoder Both) müssen symbolisch sein. Felder mit der Rolle None werden ignoriert. Feldtypen müssen vollständig instanziiert werden, bevor der Knoten ausgeführt wird. Die Daten können als Tabellen- oder Transaktionsdaten vorliegen.

Stärken. Bei großen Problemen kann Apriori in der Regel schneller trainiert werden. Außerdem gibt es keine willkürliche Begrenzung für die Anzahl der Regeln, die beibehalten werden können, und es können Regeln mit max. 32 Vorbedingungen verarbeitet werden. Apriori bietet fünf verschiedene Trainingsmethoden und somit mehr Flexibilität bei der Anpassung der Data-Mining-Methode an das aktuelle Problem.