数据挖掘概念与技术原书第2版第5章挖掘频繁模式关联和相关.pptVIP

一个约束是简洁的，如果我们可以列出并仅仅列出所有确保满足该约束的集合 利用简洁性约束，我们可以在计数前进行剪枝，从而避免产生－测试方式的过大开销。 E.g. min(J.price) ≥500是简洁的，我们能明确无误的产生满足该约束的所有项集 有些约束不属于前面三类，但是如果项集中的项以特定的次序排列，则对于频繁项集挖掘的全过程，约束可能成为单调的或者是反单调的 例：avg(I.price)，既非单调，也非反单调，但是如果事务中的项以价格递增的序添加到项集中，该约束就变成了反单调的 不可转变的约束是数据挖掘中较难处理的部分，但这种约束往往较少。 另外，大部分使用SQL内部聚集的简单SQL表达式都属于前面四类约束 方法4：选样（在给定数据的一个子集挖掘） 基本思想：选择原始数据的一个样本，在这个样本上用Apriori算法挖掘频繁模式 通过牺牲精确度来减少算法开销，为了提高效率，样本大小应该以可以放在内存中为宜，可以适当降低最小支持度来减少遗漏的频繁模式 可以通过一次全局扫描来验证从样本中发现的模式 可以通过第二此全局扫描来找到遗漏的模式 方法5：动态项集计数 在扫描的不同点添加候选项集，这样，如果一个候选项集已经满足最少支持度，则在可以直接将它添加到频繁项集，而不必在这次扫描的以后对比中继续计算。 Apriori算法的主要开销： 可能要产生大量的候选项集 104个频繁1-项集会导致1