Lecture 17_More Topics about Frequent Itemset Mining and Association Analysis 机器学习概论 知识讲稿.pptVIP

Lecture 17: More Topics on Frequent Itemset Mining Association Analysis;期末考试通知;基本定理 把事务数据库分割成多个子集。如果一个项集在事务数据库上是频繁的，那么该项集至少在其中一个子集上是频繁的。 证明上述定理;回顾－减少扫描的数据量;回顾－Eclat： An Example;回顾－无候选项集生成的方法;回顾－条件模式库;回顾－从条件模式库到条件FP-tree ;Project 3－频繁模式挖掘;数据格式;Deadline;内容提要;增量挖掘－简介;一个例子;min_support=40% 利用 Apriori 算法 C1={A(6), B(6), C(6), D(3), E(4), F(3)} F1={A(6), B(6), C(6), E(4)} C2={AB(4), AC(4), AE(2), BC(4), BE(4), CE(2)} F2={AB(4), AC(4), BC(4), BE(4)} C3={ABC(3)};min_support=40% 利用 Apriori 算法 C1={A(4), B(5), C(5), D(5), E(5), F(4)} F1={A(4), B(5), C(5), D(5), E(4), F (4)} C2={AB(2), AC(3), AD(2), AE(1), AF(1), BC(2), BD(4), BE(4), BF(1), CD(1), CE(2), CF(2), DE(4), DF(2), EF(2)} F2={BD(4), BE(4), DE(4)} C3={BDE(3)};min_support=40% 利用 Apriori 算法 C1={A(6), B(6), C(6), D(3), E(4), F(3)} S1={A(6), B(6), C(6), E(4)} C2={AB(4), AC(4), AE(2), BC(4), BE(4), CE(2)} S2={AB(4), AC(4), BC(4), BE(4)} C3={ABC(3)};Q1;FUP 算法;FUP 算法－基本概念;FUP 算法－基本性质;FUP 算法－描述;交互挖掘;数据格式;基于垂直数据格式的挖掘算法;Top-Down 挖掘－例子;Top-Down 挖掘－例子;交互挖掘－概念;负边界列表;当最小支持度变为3时;步骤;ATC;算法－第一次挖掘;PTree 和 NB_List;交互挖掘算法－描述;交互挖掘－实验分析;Top-Rank-K模式;top-rank-k模式－基本概念;top-rank-k模式－基本概念;top-rank-k模式－基本性质;Top-Rank-K模式挖掘方法－基于垂直数据格式;Top-Rank-K模式挖掘－例子;闭模式 (Closed Patterns) 和最长模式 (Max-Patterns);闭模式和最长模式－例子;最长模式 vs 闭模式;最长模式 vs 闭模式;最长模式 vs 闭模式;闭模式和最长模式：参考文献;内容提要;概念层次;多层关联规则;多层关联规则;多层关联规则;多层关联规则;下一讲