数据挖掘—概念空间挖掘FindS算法的C++实现

该算法是概念空间挖掘最简单的算法，只考虑了正实例，不断做泛化，实际上求得了一个最特化边界

概念挖掘需求

C++实现

#include <iostream>
#include <string>
using namespace std;
#define MAXTRAIN 4
#define MAXLEN 7int main(){int i, j;string state[MAXTRAIN][MAXLEN];string concept[MAXLEN];string yes("Yes");for( i = 0; i < MAXTRAIN; i++){for( j = 0;j < MAXLEN; j++){cin>>state[i][j];}}for( j = 1;j < MAXLEN; j++){concept[j] = state[0][j];}for( i = 1; i < MAXTRAIN; i++){if(state[i][MAXLEN-1].compare(yes) == 0){for( j = 1;j < MAXLEN-1; j++){if(state[i][j].compare(concept[j]) != 0){concept[j] = "?";}}}}cout<<"the concept is:";for( j = 1;j < MAXLEN-1; j++){cout<<concept[j]<<" ";}return 0;

测试数据

1 Sunny Warm Normal Strong Warm Yes
2 Sunny Warm High Strong Warm Yes
3 Rainy Cold High Strong Warm No
4 Sunny Warm High Strong Cool Yes


测试结果

the concept is:Sunny Warm ? Strong ?

数据挖掘—概念空间挖掘FindS算法的C++实现相关推荐

【数据挖掘】关联规则挖掘 Apriori 算法 ( Apriori 算法过程 | Apriori 算法示例 )
文章目录一. Apriori 算法过程二. Apriori 算法示例参考博客 : [数据挖掘]关联规则挖掘 Apriori 算法 ( 关联规则简介 | 数据集与事物 Transaction ...
【数据挖掘】关联规则挖掘 Apriori 算法 ( 关联规则性质 | 非频繁项集超集性质 | 频繁项集子集性质 | 项集与超集支持度性质 )
文章目录一. 非频繁项集超集性质二. 频繁项集子集性质三. 项集与超集支持度性质参考博客 : [数据挖掘]关联规则挖掘 Apriori 算法 ( 关联规则简介 | 数据集与事物 Trans ...
【数据挖掘】关联规则挖掘 Apriori 算法 ( 频繁项集 | 非频繁项集 | 强关联规则 | 弱关联规则 | 发现关联规则 )
文章目录一. 频繁项集二. 非频繁项集三. 强关联规则四. 弱关联规则五. 发现关联规则参考博客 : [数据挖掘]关联规则挖掘 Apriori 算法 ( 关联规则简介 | 数据集与事物 ...
【数据挖掘】关联规则挖掘 Apriori 算法 ( 关联规则 | 数据项支持度 | 关联规则支持度 )
文章目录一. 关联规则二. 数据项支持度三. 关联规则支持度参考博客 : [数据挖掘]关联规则挖掘 Apriori 算法 ( 关联规则简介 | 数据集与事物 Transaction 概念 ...
【数据挖掘】关联规则挖掘 Apriori 算法 ( 置信度 | 置信度示例 )
文章目录一. 置信度二. 置信度示例参考博客 : [数据挖掘]关联规则挖掘 Apriori 算法 ( 关联规则简介 | 数据集与事物 Transaction 概念 | 项 Item 概念 ...
【数据挖掘】关联规则挖掘 Apriori 算法 ( 关联规则简介 | 数据集与事物 Transaction 概念 | 项 Item 概念 | 项集 Item Set | 频繁项集 | 示例解析 )
文章目录一. 关联规则挖掘简介二. 数据集与事物 ( Transaction ) 概念三.项 ( Item ) 概念四.项集 ( Item Set ) 概念五.频繁项集六.数据集.事物 ...
数据挖掘---频繁项集挖掘Apriori算法的C++实现
1 准备首先实现这个算法是基于中南大学软件学院数据挖掘课的上机作业.作业(全英文)下载地址:http://download.csdn.net/detail/freeape/9188451 2 作 ...
数据挖掘-序列模式挖掘-prefixspan算法（样例）
数据挖掘-序列模式挖掘-prefixspan算法(样例) ' 所有结果: 通俗来讲:可以以1-频繁项d为例,我们的思路讲解的很明白:这儿我们一般化我们的求解过程: 1)第一次扫描原始数据库,得到长度为 ...
河北工业大学数据挖掘实验三应用 Apriori 算法挖掘频繁项集
河北工业大学数据挖掘实验三应用 Apriori 算法挖掘频繁项集一.实验目的二.实验原理 1.Apriori 算法 2.提高频繁项集逐层产生的效率三.实验内容和步骤 1.实验内容 2.实验步骤 ...

数据挖掘—概念空间挖掘FindS算法的C++实现

数据挖掘—概念空间挖掘FindS算法的C++实现相关推荐

最新文章

热门文章