数据科学——数据挖掘算法比较1
需积分: 0 95 浏览量
2022-08-03
15:35:23
上传
评论
收藏 672KB PDF 举报
1. Apriori 与FP-Growth算法流程图
1.1． 基本概念
支持度：P(A ∩ B)，既有A又有B的概率
置信度：P(B|A)，在A发生的事件中同时发生B的概率 p(AB)/P(A)
频繁k项集：如果事件A中包含k个元素，那么称这个事件A为k项集事件A满足最小支持度阈值的事件称为频繁k
项集
强规则：同时满足最小支持度阈值和最小置信度阈值的规则称为强规则
1.1． Apriori 算法过程
1.2.1 算法描述
第一步通过迭代，检索出事务数据库中的所有频繁项集，即支持度不低于用户设定的阈值的项集；
第二步利用频繁项集构造出满足用户最小信任度的规则。具体做法就是：首先找出频繁1-项集，记为L1；然后利用L1
来产生候选项集C2，对C2中的项进行判定挖掘出L2，即频繁2-项集；不断如此循环下去直到无法发现更多的频繁k-
项集为止。每挖掘一层Lk就需要扫描整个数据库一遍。
1.2.2 逻辑流程图
1.2.3 算法流程图
剩余12页未读，继续阅读
评论0