Toivonen算法提供了一种处理海量数据关联规则挖掘的方法，通过小样本处理和全数据集处理避免false negatives和false positives。算法从选取小样本开始，构建频繁项集和negative border，然后在全数据集上处理，确保结果准确性。在某些情况下，算法可能无法产生结果，需要重复执行。由于其特性，Toivonen算法不会产生不准确的频繁项集结论。
Toivonen的算法[8]
这个算法给出另一种不同的随机抽样算法。Toivonen算法在给出足够内存的情况下，在小样本上进行一步处理，接着再整个数据上进行一步处理。这个算法不会带来false negatives，也不会带来false positives，但是这里存在一个小的概率使得算法会产生不了任何结构。这种情况下算法需要重复直至找到一个结果，虽然如此，得到最终频繁项集的处理的平均步数不会太大。
Toivonen算法由从输入数据集中选择一个小的样品开始，并从中找到候选频繁项集，找的过程同Apriori算法，不过很重要的一点不同是阈值的设置的比样品比例的阈值小。即，当整个数据集上的支持度阈值为s，该样品所占数据集的比例为p，则该阈值可以设置为0.9ps或0.8ps。越小的阈值，就意味着在处理样本时，越多的内存在计算频繁项集时需要使用；但是也就越大的可能性避免算法不能产生结果。
当样本的频繁项集被构造完成后，我们的下一步是构造negative border。这是样品的一个非频繁项集合，但是这些项集的任意去掉一个项后就是频繁集了。
考虑项为{A,B,C,D,E}，而且我们找到频繁项集为{A}，{B}，{C}，{D}，{B，C}，{C，D}。注意，只要篮子数不比阈值小，Φ也是频繁的，但
最低0.47元/天 解锁文章
扫一扫
1137
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
