数据模式是指数据集中频繁出现的子集，是数据集的重要性质。模式发现是从大量数据中挖掘频繁模式的过程，涉及计算支持度和可信度。绝对支持度和相对支持度用于衡量模式的频繁程度，而关联规则则描述了数据中元素之间的关联性。通过最小支持度（minsup）和最小置信度（minconf）定义频繁模式和关联规则，进而分析数据集的close pattern和max pattern。
What are patterns?
- Patterns: A set of items, subsequences, or substructures that occur frequently together (or strongly correlated) in a data set.
也就是说,模式是指一个数据集合的一个频繁出现的子集(可以理解为数据集的特征). - 那么研究pattern有什么意义呢?
Patterns represent intrinsic and important properties of datasets.
模式是表征数据集固有而重要的性质.所以我们通过对模式的研究,可以得出关于数据集可靠的结论.
Pattern Discovery
Pattern discovery: Uncovering patterns from massive data sets.
模式发现是数据挖掘中最基础的一项工作,后续的分析研究几乎都基于模式发现.
Computation
既然是要”挖掘”,就要有所标准来决定哪些是重点,哪些可以忽略.
要有所标准,就需要有计算,计算什么呢?
首先是数据集的子集的support,理解为在数据集中所占的权重就好了.
1. Absolute support, 绝对的support, 比如关于一个数据集,现在获取到的数据有十条记录,{banana}在其中出现了3次,那么3就是{banana}这个模式的absolute support,即它的count.
2. Relative support, 相对的support, 还是上面的例子,{banana}这个模式的
最低0.47元/天 解锁文章
扫一扫
3240
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
