El nodo Apriori encuentra reglas de asociación en los datos.

Las reglas de asociación son sentencias con el formato:

if  antecedent(s)  then  consequent(s)

Por ejemplo, si un cliente compra una navaja y después de afeitarse, entonces ese cliente comprará crema de afeitar con un 80% de confianza. Apriori extrae un conjunto de reglas de los datos y destaca aquellas reglas con un mayor contenido de información. El nodo Apriori también encuentra reglas de asociación existentes en los datos. Apriori ofrece cinco métodos diferentes para la selección de reglas y utiliza un sofisticado esquema de indexación para procesar grandes conjuntos de datos de forma eficaz.

Requisitos. Para crear un conjunto de reglas Apriori, necesita uno o más campos Input y uno o más campos Target . Los campos de entrada y salida (aquellos con el rol Input, Targeto Both) deben ser simbólicos. Los campos con el rol None se ignoran. Los tipos de campo deben estar completamente instanciados antes de ejecutar el nodo. Los datos pueden estar en formato tabular o transaccional.

Puntos fuertes. En los problemas de grandes dimensiones, Apriori generalmente se entrena más rápidamente. Tampoco tiene un límite arbitrario para el número de reglas que puede retenerse y puede gestionar reglas que tengan hasta 32 precondiciones. Apriori ofrece cinco métodos de entrenamiento distintos, lo que permite una mayor flexibilidad para asociar el método de minería de datos con el problema en cuestión.