六 关联分析 基本概念和算法2

6.2.3 候选的产生与剪枝

（1）候选项集的产生：该操作由前一次迭代发现的频繁项集（k-1）项集产生新的候选k项集
（2）候选项集的剪枝：采用基于支持度的剪枝策略
候选产生过程：
蛮力方法：把所有k项集看作可能候选

F(k-1)*F(1)方法：用其他频繁项集来扩展每一个频繁k-1项集

F(k-1)*F(k-1)方法：合并一对频繁k-1项集，仅当它们的前k-2个项都相同

6.2.4 支持度计数

确定候选项剪枝步骤保留下来的每一个候选项集出现的频繁程度
1.事务匹配
2.事务枚举

使用Hash树进行支持度计数

没看懂

6.2.5 计算复杂度

支持度阈值
项数
事务数
事务的平均宽度

6.3 规则的产生

如何从频繁项集中提取关联规则，由频繁项集产生的关联规则必然满足支持度阈值

6.3.1 基于置信度的剪枝

6.3.2 Apriori算法中规则的产生

初始，提取规则后件只包含一个项的所有高置信度规则，使用这些规则来产生新的候选规则，然后根据定理6.2，剪掉所有低置信度的规则。

6.4 频繁项集的紧凑表示

6.4.1 极大频繁项集

极大频繁项集：它的直接超集都不是频繁的。
极大频繁项集形成了可以导出所有频繁项集的最小的项的集合。

6.4.2 闭频繁项集

提供了频繁项集的一种最小表示，该表示不丢失支持度信息。

6.5 产生频繁项集的其他方法

项集格遍历
等价类
宽度和深度优先
事务数据集的表示