![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
数据挖掘
kodoshinichi
这个作者很懒,什么都没留下…
展开
-
[DM复习]关联规则挖掘(下)
关联规则挖掘|其他相关概念第二部分主要介绍在关联规则挖掘中一些其他的概念以及评价指标,Apriori算法及其实现详见上一篇博文[DM复习]Apriori算法-国会投票记录关联规则挖掘(上)一.频繁项集的紧凑表示说明:之所以提出频繁项集的紧凑表示,是因为事务数据集中找到的频繁项集的数量十分巨大,我们需要从中找到最具有代表性的项集,其可以推导出其他额频繁项集。1.极大频繁项集定义:极大频繁项集是那些直接超集都不频繁的频繁项集评价与意义①优点:找到了极大频繁项集就不要枚举出所有频原创 2020-07-24 21:04:13 · 1119 阅读 · 0 评论 -
[DM复习]Apriori算法-国会投票记录关联规则挖掘(上)
Apriori算法|关联规则挖掘〇.相关基础概念1.购物篮数据的二元表示事务:购物篮数据可以用一个列表来表示,列表中的每一行都对应一个事务项:表格中的每一列则对应一个数据项项的二元表示:如果该项在这个事务中出现了则值为1,否则值为0.2.项集与支持度计数项的集合:I = {i1,i2,…,id}是购物篮数据中所有项的集合事务集合:T = {t1,t2,…tN}是所有事务的集合。每个事务ti包含的项集都是I的子集(k-)项集:包含0个或多个项的集合原创 2020-07-19 22:59:01 · 3977 阅读 · 1 评论