一、关联规则
1.1概念
1.2重要指标
1.3一些概念和规则
样本的每一个特征X,被称为项( item)。 每一个样本可以看作是项的集合。即项集( itemset)。
如果一个项集中项的数量是k ,则该项集称为k项集。
二、频繁项集的产生
2.1格结构:枚举所有可能的项集
2.2先验原理
2.3候选集的产生和剪枝
蛮力方法
F-F方法
三、Apriori算法
3.1核心思想
一、关联规则
1.1概念
1.2重要指标
1.3一些概念和规则
样本的每一个特征X,被称为项( item)。 每一个样本可以看作是项的集合。即项集( itemset)。
如果一个项集中项的数量是k ,则该项集称为k项集。
二、频繁项集的产生
2.1格结构:枚举所有可能的项集
2.2先验原理
2.3候选集的产生和剪枝
蛮力方法
F-F方法
三、Apriori算法
3.1核心思想