频繁模式:频繁出现的模式(可以是项集、子序列或子结构)
基本概念
- 支持度:support
- 置信度:confidence
- 关联规则:association
- 频度(支持度计数):出现的次数
- 频繁项集:项集I的相对支持度满足预定义的最小支持度阈值
- 闭频繁项集:不存在真超项集Y使得Y与X在D中具有相同的支持度计数
- X是D中的极大频繁项集:X是D中的极大频繁项集或极大项集,如果X是频繁的,并且不存在超项集Y使得X包含于Y,并且Y在D中是频繁的
频繁项集挖掘方法
priori(先验)算法
- 发现频繁项集
2.产生关联规则
提高Apriori算法的效率
- 基于散列的计数
- 事务压缩
- 划分
- 抽样
- 动态项集计数
挖掘频繁项集的模式增长方法——Frequent-Pattern Growth,FP-growth——频繁模式树(FP树)
使用垂直数据格式挖掘频繁项集
挖掘模式和极大模式
—————————————————————————————————————————————————————————————————————————————
模式评估方法
∵强规则不一定是有趣的
∴关联分析——>相关分析
几个度量:
- 提升度(与零事务有关)
- X²分析(与零事务有关)
- 全置信度(零不变度量)
- 最大置信度(零不变度量)
- Kulxynaki(零不变度量)
- 余弦(零不变度量)
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。