Apriori算法是经典的数据挖掘算法，用于寻找频繁项集和关联规则。它利用频繁项集的先验性质，通过逐层搜索迭代找出频繁项集。在过程中，计算支持度和置信度以评估规则的强度。然而，Apriori存在如候选集生成过多和多次数据库扫描等局限性。
Apriori算法简介
Apriori算法是经典的挖掘频繁项集和关联规则的数据挖掘算法。A priori在拉丁语中指"来自以前"。当定义问题时，通常会使用先验知识或者假设，这被称作"一个先验"（a priori）。Apriori算法的名字正是基于这样的事实：算法使用频繁项集性质的先验性质，即频繁项集的所有非空子集也一定是频繁的。Apriori算法使用一种称为逐层搜索的迭代方法，其中k项集用于探索(k+1)项集。首先，通过扫描数据库，累计每个项的计数，并收集满足最小支持度的项，找出频繁1项集的集合。该集合记为L1。然后，使用L1找出频繁2项集的集合L2，使用L2找出L3，如此下去，直到不能再找到频繁k项集。每找出一个Lk需要一次数据库的完整扫描。Apriori算法使用频繁项集的先验性质来压缩搜索空间。
1）关联规则术语基本思想
- 找出所有的频繁项集：找出支持度大于最小支持度的项集，即频繁项集
- 有频繁项集产生的关联规则：根据定义，这些规则必须满足最小支持度和最小可信度
- 关联规则挖掘：在事物、关系数据库中的项集和对象中发现频繁模式、关联、相关性或者因果结构
最低0.47元/天 解锁文章
扫一扫
677
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
