數(shù)據(jù)分析與挖掘?qū)嶒?yàn)報(bào)告(存儲(chǔ)版)
【正文】 up(temp)。amp。A = 1 2 1 3 1 5 2 3 2 4 2 5[mA,nA]=size(A)。 %產(chǎn)生候選項(xiàng)集C3co3 = 1 2 3 1 2 5 1 2 4 1 3 5 1 3 4 1 5 4 2 3 5 2 3 4 2 5 4 3 5 4[m3,n3]=size(co3)。 endm3=m3+1。]。[m4,n4]=size(co4)。 (shw(j,co4(i,4))==1) count_co4_sup(i)=count_co4_sup(i)+1。假設(shè)setN={a,b,c}，則生成的子集為XXX實(shí)驗(yàn)總結(jié)在上述基于Matlab和Java的Apriori算法的編寫中均存在以下不足：(1) 在生成候選項(xiàng)集的時(shí)候會(huì)產(chǎn)生許多最后證明不是頻繁項(xiàng)集的候選項(xiàng)集,如果能在生成候選頻繁項(xiàng)集之前能判斷出某些候選集不是頻繁項(xiàng)集,則這樣可以避免在掃描數(shù)據(jù)庫(kù)時(shí)的開銷；(2) 連接程序中相同的項(xiàng)目重復(fù)比較的太多,如果能避免這些重復(fù)的比較,則可以提高算法的效率；(3) 有些事務(wù)項(xiàng)在一次掃描之后可以判斷出下次不必再掃描,但結(jié)果又被多次掃描。為避免丟失全局頻繁項(xiàng)集,可以使用比全局支持度閥值低的樣本支持度閥值來對(duì)樣本尋找頻繁項(xiàng)集。另外，關(guān)聯(lián)規(guī)則只是數(shù)據(jù)挖掘中的幾個(gè)基本方法，還有如粗糙集，遺傳算法，神經(jīng)網(wǎng)絡(luò)等非常實(shí)用的方法，由于課時(shí)有限，沒有機(jī)會(huì)學(xué)習(xí)。學(xué)習(xí)關(guān)聯(lián)規(guī)則過程中，首先，老師講解關(guān)聯(lián)規(guī)則的基礎(chǔ)知識(shí)，以及基于Matlab的關(guān)聯(lián)規(guī)則代碼，使本人對(duì)于關(guān)聯(lián)規(guī)則產(chǎn)生興趣，并開始研究；然后，本人在課后通過查找資料以及閱讀書籍編寫基于Java的關(guān)聯(lián)規(guī)則代碼。(3) 選樣 該方法的基本思想是,選取給定數(shù)據(jù)庫(kù)D的隨機(jī)樣本S,然后在S中而非是D中搜索頻繁項(xiàng)集。C4 = Empty matrix: 0by5，由于C4是空集，所以算法終止，共找到頻繁項(xiàng)集L1，L2，L3。 (shw(j,co4(i,3))==1) amp。 end i=i+1。 co3(:,2)39。 (shw(j,co3(i,3))==1) count_co3_sup(i)=count_co3_sup(i)+1。 end i=i+1。L2=[co2 count_co2_sup]。 count_co2_sup=zeros(m2,1)。 %求出所有候選項(xiàng)集C1的支持度count_sup = 6 7 6 2 2temp=find(count_sup=sup)。1 0 1 0 0。以下為基于Matlab的Apriori算法的源代碼以及相關(guān)解釋。盡管會(huì)產(chǎn)生結(jié)果{I1，I2，I3，I5}，但是這個(gè)項(xiàng)集被剪去，因?yàn)樗淖蛹瘂 I2，I3，I5}不是頻繁的?？梢钥隙l繁1項(xiàng)集的集合L1。Result: =Result 219。Apriori 算法的偽代碼Input: DB, min_supOutput: result = 所有頻繁項(xiàng)集的他們的支持度方法：Result: = {}。如何在算法中使用Apriori性質(zhì)？主要有兩步過程組成：連接步和剪枝步。在具體實(shí)驗(yàn)時(shí)，Apriori算法將發(fā)現(xiàn)關(guān)聯(lián)規(guī)則的過程分為兩個(gè)步驟：第一步通過迭代，檢索出事務(wù)數(shù)據(jù)庫(kù)中的所有頻繁項(xiàng)集，即支持度不低于用戶設(shè)定的閾值的項(xiàng)集；第二步利用頻繁項(xiàng)集構(gòu)造出滿足用戶最小信任度的規(guī)則。關(guān)聯(lián)規(guī)則由此進(jìn)入人們的視野。李德毅等人在傳統(tǒng)模糊理論和概率統(tǒng)計(jì)的基礎(chǔ)上，提出了定性定量不確定性轉(zhuǎn)換模型云模型，并形成了云理論。首先在正例集合中任選一個(gè)種子，到反例集合中逐個(gè)比較。粗糙集方法：粗糙集理論是一種研究不精確、不確定知識(shí)的數(shù)學(xué)工具。遺傳算法：遺傳算法是一種基于生物自然選擇與遺傳機(jī)理的隨機(jī)搜索算法，是一種仿生全局優(yōu)化方法。數(shù)據(jù)挖掘（基本步驟，使用智能方法提取數(shù)據(jù)模式）數(shù)據(jù)挖掘就是信息技術(shù)自然進(jìn)化的結(jié)果。知識(shí)發(fā)現(xiàn)過程如下：數(shù)據(jù)挖掘吸納了諸如
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1