Glossaire



| 2 | 3 | A | B | C | D | E | F | G | H | I | J | K | L | M | N | O | P | Q | R | S | T | U | V | W | X | Y | Z |

Association (Règles)

Pour les règles d'association, le data mining est la première méthode utilisée pour l'analyse des données décrivant les transactions, les listes d'éléments, des phrases uniques (dans le text mining) etc. En général, les règles d'association sont du type Si Main Gauche alors Main Droite, où Main Gauche et Main Droite sont de simples codes, valeurs-textes, etc... (par exemple, Si (Voiture = Porsche et Âge < 20 et Recherche de Sensations Fortes = Élevée) alors (Risque = Élevé et Assurance = Élevée)) ; dans ce cas, pour la règle d'association, la conjonction logique avant le terme alors serait Main Gauche, et la conjonction logique suivant le terme alors serait Main Droite. L'algorithme a-priori (voir Agrawal et Swami, 1993 ; Agrawal et Srikant, 1994 ; Han et Lakshmanan, 2001 ; voir aussi Witten et Frank, 2000) est un algorithme populaire et efficace pour dériver de telles règles d'association à partir de grands ensembles de données, qui sont basées sur des valeurs "seuils" personnalisées pour la détection des règles (voir les rubriques Valeur de Support, Valeur de Confiance et Valeur de Corrélation).

Voir aussi la rubrique Introduction pour les Règles d'Association.