資料結構
網路
關係資料庫管理系統
作業系統
Java
MS Excel
iOS
HTML
CSS
Android
Python
C語言程式設計
C++
C#
MongoDB
MySQL
Javascript
PHP
物理學
化學
生物學
數學
英語
經濟學
心理學
社會學
服裝設計
法律研究什麼是Apriori演算法？
Apriori是由R. Agrawal和R. Srikant於1994年開發的一種開創性演算法，用於挖掘布林關聯規則的頻繁項集。該演算法依賴於演算法需要事先了解頻繁項集屬性的情況。
Apriori使用一種稱為逐層搜尋的迭代方法，其中k-項集可以探索(k+1)-項集。首先，透過瀏覽資料庫來收集每個專案的計數，並接收滿足最小支援度的專案，從而發現頻繁1-項集的集合。結果集表示為L1。
接下來，L1可以找到L2，即頻繁2-項集的集合，它可以找到L3，等等，直到無法發現更多頻繁的k-項集。每個Lk的發現都需要對資料庫進行一次完整掃描。
它可以提高頻繁項集逐層生成的效率，這是一個稱為Apriori屬性的重要特性。它可以減少搜尋空間。
Apriori屬性 - 頻繁項集的某些非空子集也應該頻繁。
Apriori屬性依賴於以下觀察結果。根據定義，如果項集I不滿足最小支援度閾值min sup，則I不頻繁；也就是說，P(I) < min_sup。
如果將項A插入到項集I中，則生成的項集（即I ∪ A）不能比I更頻繁地出現。因此，I∪A不頻繁，例如P (I ∪ A) < min_sup。
此屬性屬於一類稱為反單調的屬性，從某種意義上說，如果一個集合不能透過測試，則某些超集也將無法透過相同的測試。它被稱為反單調，因為該屬性在拒絕測試的上下文中是單調的。
遵循一個兩步過程，包括連線和剪枝操作，如下所示：
連線步驟 - 它可以找到Lk，透過將Lk−1自身連線起來生成一組候選k-項集。這組候選表示為Ck。設L1和L2為Lk−1中的項集。文件Li[j]定義Li中的第j個項（例如，L1 [k−2]定義L1中倒數第二個項）。
剪枝步驟 - Ck是Lk的超集，即它的成員可能不頻繁，但Ck中包含一些頻繁的k-項集。對資料庫進行掃描以確定Ck中每個候選的計數，可以導致Lk的確定（即，根據定義，某些計數不少於最小支援度計數的候選是頻繁的，因此屬於Lk）。Ck可能很大，並且可能涉及大量的計算。
1K+ 瀏覽量
