超级会员免费看
本文介绍了Galois Closure Based Approach用于关联规则挖掘的方法。闭频繁项集是指那些不能通过扩展得到更高支持度的频繁项集。例如，在特定数据集中，ABCD是一个闭频繁项集。该方法包括提取所有闭频繁集及其支持度，然后生成关联规则。对于稀疏、弱相关数据，基于Galois闭包的方法计算效率较低，而在密集、相关数据中，这种方法能有效减少候选项集数量。
Galois Closure Based Approach（基于Galois闭包的方法）
Closed Frequent Itemset(闭频繁项集)：当项集X是频繁项集，所有X的扩展集Y的支持度和X的支持度不相同，则X是闭频繁项集。例如，minsupport=2/5, support(BC)=2/5, support(ABCD)=2/5, support(ABCDE)=1/5，那么BC不是闭频繁集，ABCD是闭频繁集。
最终闭频繁集如下：
那么这个方法的步骤就是：
1.提取所有闭频繁集并生成它们的支持度
2.生成所有关联规则
这些不同方法的关键点就在于提取不同的itemset，需要基于不同的数据特征，选用最优的方法。
- 稀松、弱相关的数据
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
