Apriori算法详解笔记

最新推荐文章于 2024-09-21 21:17:12 发布
最新推荐文章于 2024-09-21 21:17:12 发布
阅读量591 收藏 1
点赞数
分类专栏： 数据挖掘
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_43615815/article/details/108911256
版权
本文详细解析了Apriori算法，这是一种经典的挖掘频繁项集的关联规则算法，核心思想是通过连接和剪枝操作。同时，提到了Apriori性质，即频繁项目集的非空子集也是频繁的。此外，还介绍了FP-Tree和Eclat等其他关联规则挖掘算法，以补充说明关联规则挖掘的不同方法。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

强关联规则

  1. 在D上满足最小支持度min-sup和最小可信度min-conf的关 联规则称为强关联规则
    常用的关联规则算法

常用的关联规则算法

Apriori

  1. 关联规则最常用、最经典的挖掘频繁项集的算法，核心思想是通过连接产生候选项及其支持度，然后通过剪枝生成频繁项集无法处理连续型数值变量，往往分析之前需要对数据进行离散化。

  2. Apriori性质

    如果项目集X是频繁项目集，则它的所有非空子集
    都是频繁项目集
    如{I1,I2}频繁，则{I1}频繁。
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述

最低0.47元/天 解锁文章
【数据挖掘实战】——中医证型的关联规则挖掘(Apriori算法)
lingxw的博客
02-19 1万+
能够帮助乳腺癌患者手术后体质的恢复、生存质量的改善，有利于提高患者的生存机率。探索不同分期阶段的三阴乳腺癌患者的中医证素分布规律，以及截断病变发展、先期干预的治疗思路，指导三阴乳腺癌的中医临床治疗。问卷信息采集者均要求有中医诊断学基础，能准确识别病人的舌苔脉象，用通俗的语言解释医学术语，并确保患者信息填写准确；中医辨证极为灵活，虽能够处理患者的复杂多变的临床症状，体现出治疗优势。但缺乏统一的规范，难以做到诊断的标准化。同一种疾病的辨证分型，往往都有不同见解，面对临床症状不典型的患者，初学者很难判断。
机器学习9—关联分析之Apriori算法和FP-Growth算法
ex_6450的博客
08-10 6874
FpGrowth算法通过构造一个树结构来压缩数据记录，使得挖掘频繁项集只需要扫描两次数据记录，而且该算法不需要生成候选集合，所以效率会比较高。FP-Tree（频繁模式树）：是一个树形结构，包括一个频繁项组成的头表，一个标记为null的根结点，它的子结点为一个项前缀子树的集合。频繁项：单个项目的支持度超过最小支持度则称其为频繁项（frequentitem）。频繁头表：频繁项头表的每个表项由两个域组成，一个是项目名称，一个是链表指针，指向下一个相同项目名称的结点。生成FP-Growth树。......
Apriori算法
TayTay123的博客
12-26 326
Apriori算法 优点：易编码实现。 缺点：在大数据集上可能较慢。 适用数据类型：数值型或者标称型数据 Apriori算法的一般过程 (1) 收集数据：使用任意方法。 (2) 准备数据：任何数据类型都可以，因为我们只保存集合。 (3) 分析数据：使用任意方法。 (4) 训练算法：使用Apriori算法来找到频繁项集。 (5) 测试算法：不需要测试过程。 (6) 使用算法：用于发现频繁项集以及物品...
Apriori算法详细和例题演示
qq_55433305的博客
06-14 7853
根据用户给定的最小支持度min_sup ，寻找出所有的频繁项集，即满足支持度Support不低于min_ sup的所有项集。由于这些频繁项集之间有可能存在包含关系，因此，我们可以只关心所有的最大频繁项集，即那些不被其它频繁项集所包含的所有频繁项集...
进行数据离散化的原因_数据离散化及其KMeans算法实现的理解
weixin_39954682的博客
12-05 729
摘要这篇文章尝试借用数据离散化这个事给大家讲明白K-Means算法的含义。数据离散化的理解数据离散化是数据预处理的一个非常重要的步骤，就是将连续的数据分成几个段。举个简单例子，好比我们一个班上的学生成绩是从0-·100分之间的，但是我们在进行数据分析的时候呢我们把这些分数分成不及格、及格、良好、优秀四大类，实际上就是将比较连续的分数给离散化成了4种可能取值。那这样做有什么好处呢？数据离散化的意义一...
关联规则—频繁项集Apriori算法
liyonghui123的专栏
06-16 1万+
      频繁模式和对应的关联或相关规则在一定程度上刻画了属性条件与类标号之间的有趣联系，因此将关联规则挖掘用于分类也会产生比较好的效果。关联规则就是在给定训练项集上频繁出现的项集与项集之间的一种紧密的联系。其中“频繁”是由人为设定的一个阈值即支持度 （support）来衡量，“紧密”也是由人为设定的一个关联阈值即置信度（confidence）来衡量的。这两种度量标准是频繁项集挖掘中两个至关...
读书笔记1——Apriori算法详解
sinat_16233463的专栏
07-05 712
平时看书就是自认为看懂就算，结果在过一段shijian
海量数据挖掘MMDS week2: 频繁项集挖掘 Apriori算法的改进：基于hash的方法
chuange6363的博客
08-14 472
http://blog.csdn.net/pipisorry/article/details/48901217 海量数据挖掘Mining Massive Datasets(MMDs) -Jure Leskoveccourses学习笔记之关联规则Apriori算法的改进：基于hash的方法：...
机器学习算法详解：从二分类到CRF
"这篇机器学习笔记涵盖了学习方法、监督学习和无监督学习算法、NaveBayes原理、CRF模型对比HMM和MEMM的优势，以及KNN算法的简要介绍。" 机器学习是一门涉及计算机模拟或自动学习经验以改善性能的科学。在学习方法...
大数据古诗文方向论文阅读笔记
最新发布
weixin_47140171的博客
09-21 854
通过研究实验室近十年来研究成果的论文，提升自身水平，并寻找自身论文学习方向。我的研究方向暂定为古诗文平台多模态知识图谱的构造与搭建。本文观点仅供参考。以下仅为个人观点，仅供参考目的：语料库对于NLP任务来说非常重要，但是市面上中文语料库都面向于普通话；由于古文和现代汉语（普通话）的语义差异巨大，特别是识别古汉语新词。算法：Apriori（改进）：产生候选词序列LSTM：计算概率，继续分词并识别形成AP-LSTM算法本文应用一系列方法构架古诗文知识图谱。
求连续数据
MakeToday的专栏
11-22 920
(select * from @t c where not exists(select 1 from @t where 名称=c.名称 and 年份=c.年份 and 月份=c.月份-1)) a,求最小值(select * from @t d where not exists(select 1 from @t where 名称=d.名称 and 年份=d.年份 and 月份=d.月份+1)) b求
关联分析算法Apriori介绍
john_dw的专栏
05-04 1054
Apriori算法 其名字是因为算法基于先验知识(prior knowledge).根据前一次找到的频繁项来生成本次的频繁项。Apriori是关联分析中核心的算法。 Apriori算法的特点 只能处理分类变量，无法处理数值型变量； 数据存储可以是交易数据格式（事务表），或者是事实表方式（表格数据）； 算法核心在于提升关联规则产生的效率而设计的。 Aprior
Apriori算法（基础及核心概念）
buracag_mc的博客
06-22 4572
基于关联规则进行数据挖掘是比较常见的数据挖掘方式；本篇文章简要介绍了基于频繁项集的关联规则分析算法--Apriori算法的基础知识和核心概念。
apriori推荐算法
Marshall的专栏
10-22 4182
Apriori算法是一种挖掘关联规则的频繁项集算法，其核心思想是通过候选集生成和情节的向下封闭检测两个阶段来挖掘频繁项集。 概念 （1）支持度（Support）：定 义为 supp(X) = occur(X) / count(D) = P(X)（有绝对支持度（个数）和相对支持度（百分比）之分）。 （2）频集：支持度大于最小支持度的项集称为频繁项集，简称频集，表示为L[k]
数据挖掘/机器学习领域中连续，离散，连续化，离散化到底是什么含义
Laurel1115的博客
03-07 6177
现在网上关于数据挖掘、机器学习中数据预处理阶段关于属性（特征）的各种连续，离散的变换，由于用词不清，真让人晕头转向。那么数据挖掘、机器学习中用于描述属性（特征）的”连续“，”离散“，”连续化“，”离散化“的这几个词到底是什么含义呢？ 首先，韩家炜老师在他的书的第二章就对属性的几种类型进行了介绍： 1.标称属性： 即与名称有关，标称属性的值是一些符号或事物的名称。每个取值代表某种类别、或状态。 举个...
数据挖掘十大算法之Apriori详解
热门推荐
白马负金羁
12-06 10万+
在2006年12月召开的 IEEE 数据挖掘国际会议上，与会的各位专家选出了当时的十大数据挖掘算法（ top 10 data mining algorithms ），在本系列已经发布的文章中我们已经讨论了其中的七个。本文主要介绍Apriori算法，它是用于关联规则挖掘的经典算法。关联规则挖掘是数据挖掘中非常重要的研究话题，在商业数据分析中占据重要十分的地位，经典的“啤酒”与“尿片”的故事即来源于此
频繁模式挖掘Apriori算法详解
chixujohnny
08-03 6387
本数据挖掘算法是本人进入研究生学习阶段进行的第一项“比较难”的学习，下文除了源代码有参考Zealseeker博主之外均为原创手打，如有哪里写的不严谨，望请谅解。       首先频繁模式(Frequent Patten)表示频繁的出现在数据集中的模式，举个例子，去烧烤摊点串，这种菜单上的内容就是一种频繁模式，因为会有某种串被点了很多根，那么这就视为是一种“频繁”的成员，同时还有两个比较重要的概念
关联规则Apriori算法
UncleDong的博客
10-20 1万+
参考《【机器学习实战-python3】使用Apriori算法进行关联 分析》,《 使用Apriori进行关联分析（一）》,《使用Apriori进行关联分析（二）》,《关于apriori算法中置信度、支持度怎么理解的问题》 文章目录1. 频繁项集(frequent item sets)1.1 频繁项集的支持度(support)和阈值1.2 频繁项集的特点1.3 频繁项集计算方法 关联规则的目的在于分析出经常出现在一起的物品的集合之间的关系。Apriori算法本质由两部分组成，分别是 频繁项集(frequ.
数据挖掘之关联分析
风雪夜归子
10-04 1万+
数据挖掘之关联分析 1、基本概念 （1）通常认为项在事物中出现比不出现更重要，因此项是非对称二元变量。 （2）关联规则是形如X->Y的蕴涵表达式，其中X和Y是不相交的项集，即X交Y=空。 （3）由关联规则作出的推论并不必然蕴涵因果关系。它只表示规则前件和后件中的项明显地同时出现。 （4）通常，频繁项集的产生所需的计算开销远大于规则产生所需的
Python实现Apriori算法详解
"这篇文章主要介绍了Python中Apriori算法的实现和原理，包括Apriori算法的基本概念、步骤以及如何在Python中实现该算法。" Apriori算法是一种经典的关联规则学习算法，常用于市场篮子分析，以发现商品之间的关联性...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值