Der Apriori-Algorithmus wird im Data Mining verwendet, um häufige Elementmengen in Transaktionsdaten zu finden. Auf dieser Grundlage lassen sich Assoziationsregeln wie „Wenn A vorkommt, tritt B häufig ebenfalls auf“ untersuchen.
Das Apriori-Prinzip nutzt die Beobachtung, dass jede Teilmenge einer häufigen Elementmenge selbst häufig sein muss. Dadurch können Kandidatenkombinationen ausgeschlossen werden; bei sehr vielen Elementen kann die Suche dennoch rechenintensiv werden.
Häufiges gemeinsames Auftreten zeigt keine Ursache. Support, Confidence und weitere Kennzahlen müssen im Kontext der Datenbasis interpretiert werden.
Inhaltlich überarbeitet am 2026-10-13. Definition, Abgrenzung und Rechenbeispiel geprüft.