第 19 卷第5 期
2178 1 [1] ( ) X Y X Y I={i1 i2 i3 im} m D I ijl ij2 ij3 ijk R X YXY I = X Y R S L S (XUY) C D x C Y[2] 1 (frequent itemset)— — 2 1 [3] 2 Apriori [4]Apriori k- (kl)- 1- L1 L1 2- L2 L2 L3 k- Lk Lk Lk-1
#
第25卷第4期
—45— 关联规则挖掘的矩阵算法 曾万聃1周绪波2戴 勃1常桂然1李春平2 (1. 东北大学信息科学与工程学院沈阳 1100042. 清华大学软件学院北京 100084) 摘 要:关联挖掘算法中的 Apriori 算法提供了一种根据查找频繁项集来发现数据集中的关联规则的方法这种算法思路
25 2 2006 4 Journal of Liaoning Technical University Apr. 2006 2005-02-15 10471096 1956- E-mail lxy01005 synu. e
#
25 1 2 Journal of University of Science and Technology Beijing Feb. 2003 2001–01–04 35 (Knowledge Discovery inDatabases KDD) [12] (Data Mining DM) KDD [3] Data Ware-house Techniques (Online Analy-
1.关联规则概述1.1关联规则超市商场的商品应该如何摆放最合适啤酒和尿布这两类不同商品能否摆在一起数据挖掘的经典案例——啤酒尿布告诉我们顾客的购买行为存在一定的关联使我们不得不重视经典的购物车问题关联规则的挖掘就是通过一系列数据分析来挖掘某种特定的商品组合被顾客同时购买的可能关联规则的分析有R.Agrawal于1993年最早提出是KDD研究的重要内容侧重于确定数据中不同领域之间的联系找出满足
违法有害信息,请在下方选择原因提交举报