關(guān)聯(lián)規(guī)則挖掘舉例-閱讀頁
2024-11-01 11:25本頁面
【正文】 1 2 1 0 0 3 01 0 0 1 0 0 1 0 0. . . 1 . 2 7 * 1 0C C C? ? ? ?FPgrowth算法 ?Jiawei Han等人在 2020年提出了一種基于 FP樹的關(guān)聯(lián)規(guī)則挖掘算法 FP_growth， 它采取 “ 分而治之 ”的策略 ， 將提供頻繁項(xiàng)目集的數(shù)據(jù)庫壓縮成一棵頻繁模式樹 （ FP樹 ） 。 理論和實(shí)驗(yàn)表明該算法優(yōu)于 Apriori算法 。 用戶關(guān)心的是某些特定的關(guān)聯(lián)規(guī)則 ， 這需要把一些約束條件引入到挖掘算法中 ， 從而篩選出符合約束條件的有用規(guī)則 ， 提高算法的運(yùn)行效率和用戶滿意度 。 增量式關(guān)聯(lián)規(guī)則挖掘算法是當(dāng)數(shù)據(jù)庫變化后 ， 在原挖掘結(jié)果的基礎(chǔ)上生成新的關(guān)聯(lián)規(guī)則 ，刪除過時(shí)的關(guān)聯(lián)規(guī)則 。只憑支持度和置信度閾值未必總能找出符合實(shí)際的規(guī)則。聽過歌曲 C的人數(shù)是 300，聽過口水歌 B的人為 50000。它描述的是：相對(duì)于不用規(guī)則，使用規(guī)則可以提高多少。 Lift大于 1，表示使用這條規(guī)則進(jìn)行推薦能提升用戶聽歌曲 C的概率。 Confidence(A→B) = Confidence(A→C) = Support(B)= Support(C)=300/100000 關(guān)聯(lián)規(guī)則的價(jià)值衡量 主觀上， 一個(gè)規(guī)則的有用與否最終取決于用戶的感覺， 只有用戶才能決定規(guī)則的有效性、可行性。例如使用“約束性關(guān)聯(lián)規(guī)則挖掘算法”，將約束條件與算法緊密結(jié)合，既能提高數(shù)據(jù)挖掘效率，又能明確數(shù)據(jù)挖掘
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1