摘要: 1、Aprior算法简介 Apriori算法是经典的挖掘频繁项集和关联规则的数据挖掘算法。Apriori算法的名字正是基于这样的事实:算法使用频繁项集性质的先验性质,即频繁项集的所有非空子集也一定是频繁的。Apriori算法使用一种称为逐层搜索的迭代方法,其中k项集用于探索(k+1)项集。首先,通过 阅读全文
posted @ 2019-05-19 19:34 丹色调 阅读(674) 评论(0) 推荐(0) 编辑
摘要: 《一种利用差集的加权频繁项集挖掘算法 》提出了在研究概念格模型和差集 Diffsets 理论的基础上,构建一种利用差集的加权频繁项集格结构,该格结构通过差集性质快速计算加权支持度,满足向下封闭特性,更有利于高效生成加权频繁项集.。该方法能显著提高生成加权频繁项集的效率。 关联规则的挖掘是数据挖掘研究 阅读全文
posted @ 2019-05-10 20:33 丹色调 阅读(196) 评论(0) 推荐(0) 编辑
摘要: 《垂直数据格式挖掘频繁项集算法的改进》提出了一种基于三角矩阵和差集的垂直数据格式挖掘频繁项集的挖掘算法。该算法利用差集解决了对稠密数据集进行频繁项集挖掘时的 tid集可能很大的问题,并且利用一种前提方法判断是否有必要连接产生候选频繁k+1项集,减少时间的开销,而且在存储上用三角矩阵的数据结构可以进一 阅读全文
posted @ 2019-04-26 14:23 丹色调 阅读(128) 评论(0) 推荐(0) 编辑
摘要: Association Rule(关联规则) (1)Support of an Itemset(支持项集) The support of an item (or itemset) X is the percentage of transactions in which that item (or i 阅读全文
posted @ 2019-04-19 23:17 丹色调 阅读(134) 评论(0) 推荐(1) 编辑
只有注册用户登录后才能阅读该文。 阅读全文
posted @ 2019-04-11 16:50 丹色调 阅读(27) 评论(2) 推荐(2) 编辑