Apriori算法(经典的发现频繁项目集算法)分析

基本概念

I是一个项目集合，事务数据库D是由一系列具有唯一标识TID的事务组成，每个事务t都对应I上的一个子集
支持度：项目集I1在数据集D上的支持度是包含I1的事务在D中所占的百分比
频繁项目集：对项目集I和事务数据库D，T中所有满足用户指定的最小支持度的项目集，即大于或等于minsupport的I的非空子集
最大频繁项目集：在频繁项目集中挑出所有不被其他元素包含的频繁项目集！！
规则的可信度：包含I1，I2的事务数与包含I1的事务数之比(confidencex->(l-x))=support(l)-support(x1)
强关联规则：D在I上满足最小支持度和最小信任度的关联规则

关连规则挖掘问题可以划分成两个子问题：

发现频繁项目集
生成关联规则

下面看一个经典例题：

解题过程：

Apriori算法(经典的发现频繁项目集算法)分析相关推荐

12使用FP-growth算法来高效发现频繁项集
第12章使用FP-growth算法来高效发现频繁项集一.背景大家都用过搜索引擎.当我们输入一个单词或单词的一份,搜索引擎就会自动补全查询词项.例如:当我们在百度输入"为什么" ...
【机器学习实战】第12章使用 FP-growth 算法来高效发现频繁项集
第12章使用FP-growth算法来高效发现频繁项集前言在第11章时我们已经介绍了用 Apriori 算法发现频繁项集与关联规则. 本章将继续关注发现频繁项集这一任务,并使用 FP ...
使用FP-growth算法来高效发现频繁项集
FP-growth算法基于Apriori构建,但采用了高级的数据结构减少扫描次数,大大加快了算法速度.FP-growth算法只需要对数据库进行两次扫描,而Apriori算法对于每个潜在的频繁项集都会扫 ...
Apriori算法简介---关联规则的频繁项集算法
由啤酒和尿布引出: 在一家超市中,人们发现了一个特别有趣的现象:尿布与啤酒这两种风马牛不相及的商品居然摆在一起.但这一奇怪的举措居然使尿布和啤酒的稍量大幅增加了.这可不是一个笑话,而是一直被商家所津津 ...
Chapter 12 使用FP-growth算法来高效发现频繁项集
本博文内容包括以下: 发现事务数据中的公共模式 FP-growth算法发现twitter源中的共同词 FP-growth 算法是基于Apriori算法,但在完成相同的任务(将数据集存储在一个特定的 ...
机器学习-使用FP-Growth算法来高效发现频繁项集
FP-Growth算法是这里要介绍的第三个非监督学习算法,FP(Frequent Pattern)代表频繁模式.FP-Growth算法相对于Apriori算法来说效率更高,其只需要对数据集进行两轮扫描 ...
机器学习实战—使用FP-growth算法来高效发现频繁项集
FP-growth算法基于Apriori构建,但采用了高级的数据结构减少扫描次数,大大加快了算法速度.FP-growth算法只需要对数据库进行两次扫描,而Apriori算法对于每个潜在的频繁项集都会扫 ...
python 频繁项集_关联分析之发现频繁项集--使用Apriori算法（1）
从大规模数据集中寻找物品间的隐含关系被称为关联分析,最有名的案例应该是啤酒和尿布了.这些关系可以用两种方式来量化,一个是使用频繁项集,给出经常在一起出现的元素项:一个是关联规则,每条关联规则意味着元素 ...
python实现FP-growth算法发现频繁项集
★ FP-growth算法的作用: 该算法是代替Apriori算法来高效发现频繁集,但不能用于发现关联规则. ★ FP-growth算法的组成: 该算法需要构建三部分:1. 项头表 2. FP树 ...

Apriori算法(经典的发现频繁项目集算法)分析

关连规则挖掘问题可以划分成两个子问题：

Apriori算法(经典的发现频繁项目集算法)分析相关推荐

最新文章

热门文章