数据挖掘——第三章关联规则挖掘（二）.pptVIP

1.2.1Apriori算法举例 已知事务数据库D如表10.1所示，最小支持度计数为2，即 minsupport=2/9， 利用Apriori算法挖掘所有满足minsup的频繁集。 (1)第一次扫描，扫描数据库获得每个候选项的计数，从而获得频繁1-项集。如表10-2所示。 (3) L2进行自连接得到C3={{I1, I4, I5}，{ I1, I2, I4}，{ I1, I3, I4}，{ I1, I3, I5}，{ I2, I3, I4}， { I3, I4, I5}} 因为{ I1, I2, I4}的子集{ I1, I2,}和 { I1, I3, I4}、{ I1, I3, I5}的子集{ I1, I3,}及 { I2, I3, I4}的子集{ I2, I3}不在L2中 因此，从C3中删除{ I1, I2, I4}、{ I1, I3, I4}、{ I1, I3, I5}、 { I2, I3, I4}得： C3={{ I1, I4, I5}，{ I3, I4, I5}}。然后再扫描数据库D，计算各项集的支持度计数，如表10.5所示，从而得到频繁3-项集L3，如表10.6所示。 关联规则挖掘算法FP-growth FP-tree构造算法 扫