蔡先生的专栏

0.前提系统已有java环境1.解压缩安装包caiyong@caiyong:/home/caiyong/setup/weka$sudo unzip weka-3-6-12.zip -d /opt/caiyong@caiyong:/opt/weka$ sudo mv weka-3-6-12/    wekacaiyong@caiyong:/opt$ sudo chown

关联规则是形如X→Y的蕴涵式，其中， X和Y分别称为关联规则的先导(antecedent或left-hand-side, LHS)和后继(consequent或right-hand-side, RHS) 。其中，关联规则XY，存在支持度和信任度。定义：        假设是项的集合。给定一个交易数据库D，其中每个事务(Transaction)t是I的非空子集，即，每一个事务都与一个

数据标准化（归一化）处理是数据挖掘的一项基础工作，不同评价指标往往具有不同的量纲和量纲单位，这样的情况会影响到数据分析的结果，为了消除指标之间的量纲影响，需要进行数据标准化处理，以解决数据指标之间的可比性。原始数据经过数据标准化处理后，各指标处于同一数量级，适合进行综合对比评价。以下是两种常用的归一化方法：一、min-max标准化（Min-Max Normalization）也称为离差标准

在关联规则挖掘领域最经典的算法法是Apriori，其致命的缺点是需要多次扫描事务数据库。于是人们提出了各种裁剪（prune）数据集的方法以减少I/O开支，韩嘉炜老师的FP-Tree算法就是其中非常高效的一种。支持度和置信度严格地说Apriori和FP-Tree都是寻找频繁项集的算法，频繁项集就是所谓的“支持度”比较高的项集，下面解释一下支持度和置信度的概念。设事务数据库为：

1.FP-Growth算法        FP-Growth算法(Frequent Pattern-growth)使用了一种紧缩的数据结构频繁模式树(Frequent Pattern tree，简称FP-Tree）来存储查找频繁项集所需要的全部信息。2.FP-tree        (1)FP-tree是一种特殊的前缀树，其是满足下列条件的一个树结构：它由一个根节点(值为null)