數(shù)據(jù)挖掘fptree樹(文件)
【正文】 的條件FP樹顯然只包含{I2,I1:2}（I3只出現(xiàn)一次，小于最小支持計(jì)數(shù)2）。首先根據(jù)上機(jī)時(shí)老師講到的利用Myeclipse將weka當(dāng)做一個(gè)項(xiàng)目文件，在java平臺(tái)運(yùn)行。測(cè)試結(jié)果如下：我分別選取兩個(gè)算法生成的頻繁項(xiàng)集的最強(qiáng)關(guān)聯(lián)規(guī)則的項(xiàng)集如下：Apriori算法：1. biscuits=t frozen foods=t fruit=t total=high 788 == bread and cake=t 723 conf:()FPGrowth算法：1. [fruit=t, frozen foods=t, biscuits=t, total=high]: 788 == [bread and cake=t]: 723 conf:() lift:() lev:() conv:()兩者對(duì)比可見結(jié)果是一致的，這保證了FPtree算法是正確的。 這次課程報(bào)告，我前前后后寫了差不多1周，因?yàn)樽约簩?duì)算法這部分內(nèi)容很感興趣，自己課下學(xué)習(xí)了《算法導(dǎo)論》，所以看這些思想和代碼，感覺收獲也是很大，對(duì)于關(guān)聯(lián)分析的算法和用途，有了較為深刻和全面的了解。7。參考資料：《數(shù)據(jù)挖掘概念與技術(shù)》 Jiawei Han、Micheline Kanber。同時(shí)，由于我學(xué)過《算法導(dǎo)論》，根據(jù)里面的知識(shí)，通過課本上的偽代碼可以計(jì)算出Apriori算法的時(shí)間復(fù)雜度為O（n^3）,而FPtree算法的時(shí)間復(fù)雜度為O(n)，顯而易見兩者不在一個(gè)數(shù)量級(jí)上。首先我先用Apriori算法進(jìn)行測(cè)試，(1979 KB大小的數(shù)據(jù))，從點(diǎn)擊Start開始，到運(yùn)行處結(jié)果，大概用了8s。那么基于I5的所有條件模式產(chǎn)生的頻繁模式都找到了。模式增長(zhǎng)通過后綴模式與條件FP樹產(chǎn)生的頻繁模式連接實(shí)現(xiàn)。而這個(gè)算法和我上面分析時(shí)提出的思想大致相同，下面我們?nèi)匀桓鶕?jù)書上的例子進(jìn)行FPtree算法的演示：第一步，進(jìn)行事務(wù)數(shù)據(jù)庫(kù)的掃描，得到每個(gè)一項(xiàng)集的支持計(jì)數(shù)，然后進(jìn)行排序。接著，參考決策樹算法中樹的生成方法和分治策略思想，我們?cè)趻呙枋聞?wù)數(shù)據(jù)庫(kù)的一個(gè)事務(wù)時(shí)，根據(jù)第一步的排序順位，進(jìn)行調(diào)整，將該事務(wù)的所有項(xiàng)都有序化，依照順序建立一棵樹，下次的事務(wù)按
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1