Студопедия
Случайная страница | ТОМ-1 | ТОМ-2 | ТОМ-3
АвтомобилиАстрономияБиологияГеографияДом и садДругие языкиДругоеИнформатика
ИсторияКультураЛитератураЛогикаМатематикаМедицинаМеталлургияМеханика
ОбразованиеОхрана трудаПедагогикаПолитикаПравоПсихологияРелигияРиторика
СоциологияСпортСтроительствоТехнологияТуризмФизикаФилософияФинансы
ХимияЧерчениеЭкологияЭкономикаЭлектроника

Приклад алгоритму Apriori

Читайте также:
  1. А.1 Приклад оформлення титульного аркуша дипломного проекту (роботи)
  2. А.9 Приклад оформлення завдання на курсовий проект (роботу)
  3. Алгоритм Apriori
  4. Введення початкових залишків на прикладі основних засобів
  5. Введення початкових залишків на прикладі товарів
  6. Возникновение прикладной психологии в США
  7. Вплив паразитів на хазяїна. Пояснити на конкретних прикладах.

Огляд

Весь сенс алгоритму (та інтелектуального аналізу даних, в цілому) вилучення корисної інформації з великих обсягів даних. Наприклад, інформація про те, що клієнт, який купляє клавіатуру також має тенденцію до купівлі мишки в той же час отримуютчи з асоціативних правил нижче:

Підтримка: Відсоток завдань відповідних операцій даних, для яких модель вірна.

Підтримка (Клавіатура -> Мишка) =

Довіри: міра впевненості та надійності, пов'язана з кожною виявленою картинкою.

 

Впевненість (Клавіатура -> Мишка) =

Алгоритм прагне знайти правила, які задовольняють як мінімальний поріг підтримки і мінімальний поріг довіри (строгі правила).

 

Item(Товар): стаття в кошику.

Itemset(Група товарів): група товарів, придбаних разом в одній транзакції.

Як працює Apriori

1.Шукає всі набори, які часто зустрічаються:

Отримати ці набори:

Предмети виникнення яких у базі даних більше або дорівнює пороговому min.support.

Отримати всі набори, які часто зустрічаються:

Генерація кандидатів від частих предметів.

Підсумок результатів, щоб знайти набори, які часто зустрічаються.

2.Генерують сильні асоціативні правила з часто зустрічаються наборів

Правила, які задовольняють min.support і min.confidence поріг.

 

 

Дизайн високого рівня

Початок
Отримати всі набори, які часто зустрічаються
Генерація кандидатських наборів
Отримати всі набори, які часто зустрічаються
Згенерувати Set = NULL  
Згенерувати асоціативне правило
Ні

 

 


Так

 

 

Приклад

База даних складається з п'яти операцій. Нехай min sup = 50% and min con f = 80%.

База Даних

Т-ID Продукт
  ACD
  BCE
  ABCE
  BE

 

Рішення

Крок 1:Знайти всі набори, які часто зустрічаються

1-Група продуктів Підтримка
{A}  
{B}  
{C}  
{E}  

База Даних

Т-ID Продукт
  ACD
  BCE
 
L1
ABCE

  BE

Зєднання

2-Група продуктів Підтримка
{A C}  
{B C}  
{B E}  
{C E}  

 

Продукт Підтримка
{A B}  
{A C}  
{A E}  
{B C}  
{B E}  
{C E}  

Зєднання
Витягти
L2
С2

Група продуктів
{B C E}
3-Група продуктів Підтримка
{B C E}  

L3\3
Витягти
С3№3

 


Всі набори, які часто зустрічаються

{ A } { B } { C } { E } { A C } { B C } { C E } { B C E }

Крок 2: Створення сильних асоціативних правил з наборами, які часто зустрічаються

Правило Підтримка Підтримка Впевненість
{A}à{C}      
{B}à{C}     66.66666667
{B}à{E}      
{C}à{E}     66.66666667
{B}à{C E}     66.66666667
{C}à{B E}     66.66666667
{E}à{B C}     66.66666667
{C}à{A}     66.66666667
{C}à{B}      
{E}à{B}     66.66666667
{E}à{C}      
{}à{}     66.66666667
{}à{}      
       

 

Решітка

Закрита Група: підтримка всіх батьків не рівні підтримкою набору елементів.

Максимальний набір елементів: всі батьки, яких набір елементів повинен бути рідкісним.

Майте на увазі:

Рідкісні
Закриті
Макс.

 


Дата добавления: 2015-10-30; просмотров: 134 | Нарушение авторских прав


Читайте в этой же книге: Властивість анти-монотонності | Дизайн високого рівня | FindPath(a, x, y-1); | Output.print(count); |
<== предыдущая страница | следующая страница ==>
Алгоритм Apriori| Брюс Кулик комментирует Alive III

mybiblioteka.su - 2015-2024 год. (0.007 сек.)