数据挖掘导论读书笔记5关联分析的基本概念和算法

关联规则的强度可以用support度和confidence(置信）度来度量

关联规则发现给定事务的集合T，关联规则发现是指找出支持度大于等于minsup并且置信度大于等于minconf的所有规则，其中minsup和minconf是对应的支持度和置信度阈值。

关联规则挖据

频繁项集产生：其目标是发现满足最小支持度阈值的所有项集，这些项集称作频繁项集

规则的产生：其目标是从上一步发现的频繁项集中提取所有高置信度的规则，这些规则称之为强规则。

算法与数据结构

Apriori

DIC

树投影

FP树

H-Mine

划分

基于抽样

CHARM

数据挖掘导论读书笔记5关联分析的基本概念和算法相关推荐

数据挖掘导论读书笔记6关联分析的高级概念
处理联系属性: 基于离散化的方法基于统计学的方法非离散化方法处理概念分层定义在一个特定领域的各种实体或者概念的多层组织.概念分层可以用有向无环图DAG来标示. 序列模式可选计数方案 COBJ ...
数据挖掘导论读书笔记10聚类分析续
基于原型的聚类模糊c均值使用模糊逻辑和模糊集合论的概念,提出一种聚类方案,它很像K均值,但是不需要硬性地将对象分派到一个簇中.模糊c均值算法有时也称为FCM 混合模型聚类采取这样的访谈,簇集合可以用 ...
数据挖掘导论读书笔记1
数据预处理: 1.聚集:将两个或者多个对象合并成单个对象. 2.抽样:一种选择数据对象子集进行分析的常用方法.抽象方法:简单随机抽样和渐进抽样 3.维度约:我觉得翻译的不好,英文明细是降维.降维技术 ...
数据挖掘导论读书笔记11异常检测
异常检测的目标是发现与大部分其他对象不同的对象.通常,异常对象被称作离群点(Outlier). 异常检测也称偏差检测(Deviation detection),因为异常对象的属性值明显偏离期望的或者常 ...
数据挖掘导论读书笔记9聚类分析
1. 聚类分析仅根据在数据中发现的描述对象及其关系的信息,将数据对象分组. 其目标是组内的对象相互之间是相似的或者相关的,而不同组中的对象是不同的或者不相关的. 2.聚类分析的重要技术 K均值:K均值 ...
数据挖掘导论读书笔记8FP树
1FP树转载于:https://www.cnblogs.com/davidwang456/p/9685555.html
数据挖掘导论读书笔记7 Apriori算法
Apriori算法是一种最有影响的挖掘布尔关联规则频繁项集的算法.其核心是基于两阶段频集思想的递推算法.该关联规则在分类上属于单维.单层.布尔关联规则.在这里,所有支持度大于最小支持度的项集称为频繁项 ...
数据挖掘导论读书笔记4--其他分类技术
1.基于规则的分类器 2.最近邻分类器 3.贝叶斯分类器 4.人工神经网络 5.支持向量机 6.组合方法 7.不平衡类问题 8.多类问题转载于:https://www.cnblogs.com/dav ...
数据挖掘导论读书笔记3--分类
1.分类的基本概念分类任务就是通过学习得到一个目标函数f,把每个属性集x映射到一个预先定义的类标号y 目标函数也称为分类模型. 2. 解决分类问题的一般方法: 决策树分类法基于规则的分类法神经网 ...

数据挖掘导论读书笔记5关联分析的基本概念和算法

数据挖掘导论读书笔记5关联分析的基本概念和算法相关推荐

最新文章

热门文章