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
- 找出所有的频繁项集：出现次数≥最小支持计数
- 由频繁项集产生强关联的规则（定义最小支持度和最小置信度）
- 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）
时间： 2025-01-19 23:56:38