Instituto Federal De Educação, Ciência E Tecnologia Do

Sul De Minas, Campus Muzambinho

Alunos: Vinícius Silva e Gabriel Campanelli

Algoritmo Apriori

Ele tem uma variedade de variações que possibilita a otimização do desempenho do

algoritmo e velocidade, sendo esse o esforço que é feito para extrair regra de associação,
computacionalmente falando os algoritmos de extrações são caros no mercado por sua
possibilidade de auxiliar com extrações de dados complexas e grandes, custando assim um
maior esforço computacional. A ideia por trás do algoritmo é procurar quais são os
conjuntos frequentes nas transações e trabalhar a propriedade a priori deste itens
frequentes para definir quem são eles, para diminuir esforço computacional e por fim
trabalhar com operações de conjuntos, começando com conjuntos pequenos fazendo JOIN
entre interação e interação.

Processo de execução do Apriori

Inicialmente vai definir um valor de suporte mínimo para extrair os itens frequentes,
assim prosseguindo para fazer a procura dos conjuntos unitários que contém itens
frequentes igual ou superior ao do suporte mínimo, bom encontrando todos esses itens
podemos fazer a interatividade para encontrar os k-itemsets e só vai parar de procurar
quando ele não encontrar mais itens ou conjuntos que não suporta mais a propriedade.

Tabela

Instância Itens

1 produto1,produto2,produto5

2 produto1,produto2,produto4

3 produto1,protudo2,produto3,produto5

4 produto2,produto4

5 produto1,produto3

6 produto2,produto3

7 produto1,prdouto2,produto3

8 produto1,produto3

9 produto2,produto3
Na tabela acima foi considerado um conjunto de dados de nove instância e itens, que têm
valores diferente e nem sempre precisam ter a mesma quantidade de atributos para ter um
algoritmo de regra de extração, a partir disso foi preciso identificar os itemset que são
conjuntos de um ou mais itens, o k-itemset que itemset vai conter k itens, suporte que vai
ser a frequência da ocorrência do conjuntos e itens encontrado e por fim o conjunto de itens
frequentes cujo o itemset é maior ou igual ao dado limiar

Itemset frequentes definidos

a partir da definição do itemsets vai construir as regras de associação, para facilitar e para
cada itemset frequente escolhido vai extrair as regras com base no processo de cada
subconjunto, “Se S, então I-S” se a confiança for maior do que o limiar definido, chegando
para o cálculo de confiança de uma regra, “Se S, então I-S” faça (suport(i)/suporte(s))
assim podendo chegar em um determinado resultado do itemset