三關(guān)聯(lián)規(guī)則挖掘理論(編輯修改稿)
2024-08-14 00:26 本頁面
【文章內(nèi)容簡介】 ? 經(jīng)典的頻繁項(xiàng)目集生成算法分析及其改進(jìn)算法 ? 對項(xiàng)目集格空間理論的發(fā)展 ? 關(guān)聯(lián)規(guī)則挖掘中的一些更深入的問題 ? 數(shù)量關(guān)聯(lián)規(guī)則挖掘方法 8 頻繁項(xiàng)目集生成算法分析 ? Agrawal等人建立了用于事務(wù)數(shù)據(jù)庫挖掘的項(xiàng)目集格空間理論（ 1993, Appriori 屬性）。 ? 1994年， Agrawal 等人提出了著名的 Apriori 算法。（發(fā)現(xiàn)頻繁項(xiàng)目集） ? Apriori作為經(jīng)典的頻繁項(xiàng)目集生成算法，在數(shù)據(jù)挖掘中具有里程碑的作用。 ? Apriori算法有兩個致命的性能瓶頸 : ? 1．多次掃描事務(wù)數(shù)據(jù)庫，需要很大的 I/O負(fù)載 ? 2．可能產(chǎn)生龐大的侯選集 9 頻繁項(xiàng)目集生成算法分析 ? 一些算法雖然仍然遵循 Apriori 屬性，但是由于引入了相關(guān)技術(shù)，在一定程度上改善了 Apriori算法適應(yīng)性和效率。 ? 主要的改進(jìn)方法有： ? 基于數(shù)據(jù)分割（ Partition）的方法：基本原理是“在一個劃分中的支持度小于最小支持度的 k項(xiàng)集不可能是全局頻繁的 ” 。 ? 基于散列（ Hash）的方法：基本原理是“在一個 hash桶內(nèi)支持度小于最小支持度的 k項(xiàng)集不可能是全局頻繁的 ” 。 ? 基于采樣（ Sampling）的方法：基本原理是“通過采樣技術(shù)，評估被采樣的子集中，并依次來估計 k項(xiàng)集的全局頻度 ” 。 ? 其他：如，動態(tài)刪除沒有用的事務(wù)：“不包含任何 Lk的事務(wù)對未來的掃描結(jié)果不會產(chǎn)生影響，因而可以刪除 ” 。 10 基于散列的方法 ? 1995， Park等發(fā)現(xiàn)尋找頻繁項(xiàng)目集的主要計算是在生成 2頻繁項(xiàng)目集上。因此， Park等利用了這個性質(zhì)引入雜湊技術(shù)來改進(jìn)產(chǎn)生 2頻繁項(xiàng)目集的方法。 11 第三章 關(guān)聯(lián)規(guī)則挖掘理論和算法 ? 基本概念與解決方法
教學(xué)教案相關(guān)推薦
鄂ICP備17016276號-1