Association Rule Mining(1-Apriori)

最新推荐文章于 2024-12-16 13:03:48 发布

Schreiben

最新推荐文章于 2024-12-16 13:03:48 发布

阅读量535

点赞数

CC 4.0 BY-SA版权

分类专栏： DataMining 文章标签： DataMining 算法

本文链接：https://blog.youkuaiyun.com/hello_world_127/article/details/39254603

DataMining 专栏收录该内容

3 篇文章

订阅专栏

本文详细介绍了Apriori算法的工作原理及其步骤。首先通过输入一个0/1矩阵形式的数据库和最小支持度阈值，算法逐步找出所有频繁项集。核心部分包括生成候选集和检查这些候选集的支持度是否满足设定的阈值。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一. Apriori这个算法的a表示如下:

输入: 一个相当于0/1矩阵的数据库，包含n条记录(transaction); 最小支持t(t>0)
输出: 一系列t-frequent的集合


1: C1 := I
2: i:=1
3: while Ci!=空集 执行
4: 	Fi := {X属于Ci: |D[x]|>=t}
5:	print Fi
6:	C(i+1) := CANDIDATEGENERATION(Fi)
7:	i：= i+1
8: endwhile


2). CANDIDATEGENERATION
对于数据库中的所有元素, 定义他们的顺序(例如: 按照字母表顺序)
输入: set F(K) of frequent k-itemsets
输出: set C(k+1) of candidate (k+1)-itemsets

1: C(k+1)=空集
2: 对于F(k)中只有最后元素不同的的X, Y
3: 	make a (k+1)-element set Z by concatenating the common 
	(k-1)-prefix with the two differing elements according to the order
4: 如果Z的所有K元素子集都在Fk中, 把Z加入到C(k+1)
5: return Ck+1

二. 例子