一个例子说明: 闭频繁项集(closed frequent itemset)和极大频繁项集(maximal frequent itemset)的区别

最新推荐文章于 2024-04-14 12:02:52 发布
最新推荐文章于 2024-04-14 12:02:52 发布
阅读量5.7k 收藏 25
点赞数 6
分类专栏： Research
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/yq_forever/article/details/113253883
版权

一个购买记录如下表:

手机手机壳贴膜5次Closed
手机手机壳5次No closed
手机壳贴膜6次Closed
手机手机壳贴膜充电器2次Maximal

从上表可以看出,

第一条, 找不到它的超集的次数超过5, 所以是闭的.
第二条, 第一条是它的超集, 且次数等于5, 所以这一条不是闭的.
第三条, 找不到它的超集的次数超过6, 所以是闭的.
第四条, 找不到它的超集的次数超过2, 且最长, 所以是极大的.

【数据挖掘】关联规则之Maximal Frequent Itemsets Approach（最大频繁项集方法）
小哲的博客
01-24 3310
Maximal Frequent Itemsets Approach（最大频繁项集方法） Maximal Frequent Itemset（最大频繁项集）：它是一组频繁项集，但是它的扩展集都不是频繁的。 最大频繁项集方法和Apriori算法不同点就在于从数据集中提取的itemset不同，最大频繁项集方法提取的是最大频繁项集，Apriori提取的是频繁项集。 如何提取最大频繁项集呢？ 1.同...
频繁项集与关联规则的挖掘(arules)
clip_clip的博客
07-09 1466
概述 本文是对R中arules包的随包文档“Introduction to arules – A computational environment for mining association rules and frequent item sets”的意译。源文档采用R Markdown撰写，并按如下流程生成本页面： R Markdown (.Rmd) R Markdown (.Rmd) Markdown (.md) Markdown (.md) CSDN Markdown CSDN Markdown
频繁项集与强规则
foryoundsc的博客
02-14 2664
<数据挖掘导论>第六章第1节
数据挖掘系列之三：频繁模式、关联和相关
__kingzone__的专栏
11-04 7657
1.频繁项集 1.1理解基本概念 项集的出现频率：包含项集的事务数。也称作频率、支持度计数、计数。 只要得到A，B和A交B的支持度计数，就可以导出对应的关联规则A=>B和B=>A，并检查它们是否是强规则。如此，挖掘关联规则的问题就可以归结为挖掘频繁项集。 一般地，关联规则的挖掘可以看做两步的过程： 1)找出所有的频繁项集：满足最小支持度min_sup； 2)由频繁项集产生强关联规则：同
频繁项集，频繁闭项集，最大频繁项集
Phoenix_tgd的博客
09-14 2万+
转自：https://blog.csdn.net/u013007900/article/details/54743395 Frequent Itemset(频繁项集) 称I={i1,i2,...,im}为项(Item)的集合，D={T1,T2,...,Tn}，i∈[1,n]为事务数据集(Transaction Data Itemsets)，事务Ti由I中若干项组成。 设S为由项组成的一个集合...
数据挖掘中的模式发现（一）频繁项集、频繁闭项集、最大频繁项集
热门推荐
Mr.Phoebe的专栏
01-26 4万+
Frequent Itemset(频繁项集)称I={i1,i2,...,im}I=\{i_1, i_2, ..., i_m\}为项(Item)的集合，D={T1,T2,...,Tn}D=\{T_1, T_2, ...,T_n\}，i∈[1,n]i∈[1,n]为事务数据集(Transaction Data Itemsets)，事务TiT_i由II中若干项组成。设SS为由项组成的一个集合，S={i|i∈
闭频繁项集
m0_46591622的博客
12-14 5134
所谓闭项集，就是指一个项集X，它的直接超集的支持度计数都不等于它本身的支持度计数。如果闭项集同时是频繁的，也就是它的支持度大于等于最小支持度阈值，那它就称为闭频繁项集。 例如，有交易数据库 TID item 1 abc 2 abcd 3 bce 4 acde 5 de 因为项集{b,c}出现在TID为1,2,3的事务中，所以{b,c}的支持度计数为3。而{b,c}的直接超集：{a,b,c},{a,b,c,d}的支持度计数分别为2,1，都不等于{b,c}的
频繁项集&频繁闭项集&最大频繁集
Entropy
06-24 2万+
频繁项集&频繁闭项集&最大频繁集
什么是闭频繁项集 closed patterns ？
xiaolang85的专栏
04-11 6422
所谓闭项集，就是指一个项集X，它的直接超集的支持度计数都不等于它本身的支持度计数。 如果闭项集同时是频繁的，也就是它的支持度大于等于最小支持度阈值，那它就称为闭频繁项集。 例如，有交易数据库 TID item 1 abc  2 abcd  3 bce 4 acde 5 de 因为项集{b,c}出现在TID为1,2,3的事务中，所以{b,c}的支持度计数为3。而{b,c}的
闭频繁项集的挖掘——Closet算法
u014473918的博客
03-17 5914
 Closet算法有很大一部分涉及到了FP-Growth算法，但是FP-Growth什么的大牛们都写了很多就不多赘述了吧。  话不多说直接上方法。  首先，对事务数据库进行扫描，得到一个根据项的支持度从大到小排序的项集合F_list，将不频繁的项删除。  然后根据F_list对数据集进行划分对每一个划分出来的数据集递归的进行闭项集的挖掘，直到划分出的子集中F_list为空。举个例子具体说明CLOS...
数据挖掘之Apriori频繁项集挖掘
weixin_41050939的博客
05-18 3862
本文的代码文件原件可以在我们的 "数据臭皮匠" 中输入"第六章1" 拿到 1.基本概念介绍 频繁项集和关联规则的挖掘首先需要了解一些概念, 如支持度, 置信度, 事务,事务集,项,项集, 频繁项集等, 首先介绍下基本的概念定义(以下为笔者的简单化理解, 更严谨的定义请参考书中内容): 首先假设我们有一个由多行多列组成的表格 事务: 可以将事务简单理解为表格的其中一行 事务集:一个表格会有多行, 这个包括多个事务的集合就叫事务集 项:表格中每一行会包括多个值, 每一个值就是一个项 项集:多个项组
arules：频繁项集与关联规则的挖掘
jiyeqian的专栏
05-24 1万+
本文是对R中arules包的随包文档“Introduction to arules – A computational environment for mining association rules and frequent item sets”的意译。
基于频繁项集的数据挖掘
qiuhuaizhi的专栏
11-28 2206
频繁项集的定义 一．一些概念 商场购物车事务： TID Items 1 Bread, Milk 2 Bread, Diaper, Beer, Eggs 3 Milk, Diaper, Beer, Coke 4 Bread, Milk, Diaper, Beer 5 Bread, Milk, Diap
【数据挖掘】关联规则、频繁项集、闭项集详解（图文解释 超详细）
showswoller的博客
01-07 4229
【数据挖掘】关联规则、频繁项集、闭项集详解（图文解释 超详细）
数据挖掘 闭项集
qq_53590460的博客
10-19 1487
所谓闭项集，就是指一个项集X，它的直接超集的支持度计数都不等于它本身的支持度计数。 如果闭项集同时是频繁的，也就是它的支持度大于等于最小支持度阈值，那它就称为闭频繁项集。 例如，有交易数据库 TID item 1 abc 2 abcd 3 bce 4 acde 5 de 因为项集{b,c}出现在TID为1,2,3的事务中，所以{b,c}的支持度计数为3。而{b,c}的直接超集：{a,b,c},{a,b,c,d}的支持度计数分别为2,1，都不等于{b,c}的支持度计数3，所以{b,c}为闭项集，如果支持度阈值
数据挖掘原理与算法
qq_52108058的博客
10-19 1186
闭合项集：就是指一个项集x，它的直接超集的支持度计数都不等于它本身的支持度计数。改进的地方改进方向：加速频繁项目集合的生成，减少数据库库的扫描次数。close算法改进基于的基本原理：一个频繁闭合项目集的所有闭合子集一定是频繁的；一个非频繁闭合项目集的所有闭合超集一定是非频繁的。
频繁项集算法
YF云飞的博客
10-02 1万+
频繁项集算法
数据挖掘close算法C语言编程,数据挖掘算法——Close算法
weixin_39622225的博客
05-20 739
说明奥：菜鸟的自我学习，可能有错。Close算法原理：一个频繁闭合项目集的所有闭合子集一定是频繁的，一个非频繁闭合项目集的所有闭合超集一定是非频繁的。close算法是对Apriori算法的改进具体步骤为：1.先找到候选1项目集FCC1 并得到其支持度和闭合2.之后对每个候选闭合进行修剪 如果其支持度不小于最小支持度则加入到FC13.自身不断循环下去 直到某个r-项目集FCCi为空 则算法结束...
HNUST 数据挖掘课设 《实验二 Close 算法设计与应用》
最新发布
weixin_67251822的博客
04-14 1750
一个频繁闭合项目集的所有闭合子集一定是频繁的；一个非频繁闭合项目集的所有闭合超集一定是非频繁的。因此可以在闭合项目集格空间上讨论项目集的频繁问题。实验证明，它对特殊数据是可以减少数据库扫描次数的。Close算法是一种用于频繁项集挖掘的算法，其主要目的是发现数据集中的闭合频繁项集,通过发现闭合频繁项集，能够避免生成大量不必要的候选项集，减少后续关联规则挖掘的计算复杂度，节省计算资源和时间，从而提高挖掘效率。
评论 2
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