- L(k)--->C(k+1)
- 生成结果不能缺失也不能冗余
- 方法1:将L1、L2所有可能的项拼起来(效率低、冗余)
- 方法2:只将L2中找两个只有1位不同的Itemsets拼起来(效率高、紧凑)
- 问题:
- 虽然方法2只生成了一个C3,但是C3仍然不频繁
- 解决办法:
- 思路:
- 将Item排序,挑出满足下述条件的X、Y:前(k-1)个都要一模一样,第k项不同,把Y的第k项放到X中组成新的Candidate(K+1)
- 存在问题:最后一行的数据仍然生成了错误的Candidate(3)
- Correctness(方法正确性证明)
- 证明为什么要选择“前(k-1)个都要一模一样,第k项不同”的项组合成为Candidate(k+1·)。已知定理是对的,所以只需证明,所有L(k+1)项中需要的东西一定会存在于C(k+1)
- Demo
- Clothing Example
- 注意:
- 频繁集挖掘是要留下所有频繁的长度可能不等的所有频繁集,而不是只留下最长的那个
- 生成规则(买A的人也会买B)的时候不考虑只包含一个元素的Itemsets,此时无法生成规则
- 买牛仔裤的人会去买鞋子的概率为50%,虽然符合阈值但是因为本身就有50%的人会买鞋子,所以这是一条无意义的规则
- 注意:
- Real Example
- 自然界的云& 云计算的云
- 书籍推荐
- 买了泳镜又推荐了泳镜?
- Effective Recommendation
- 哪种才是有意义的推荐算法
- 思路:
- 生成结果不能缺失也不能冗余
7.5实例分析
最新推荐文章于 2024-08-20 13:13:08 发布
![](https://img-home.csdnimg.cn/images/20240711042549.png)