FP-tree的频繁集挖掘算法.pptVIP

* 项 条件模式库 条件Fp-tree 频繁模式 I5 {I2I1：1 } {I2I1I3：1} I2: 2, I1:2 {I2I5:2} {I1I5:2} {I2I1I5:2} I4 {I2I1:1},{I2:1} I2:2 {I2I4:2} I3 {I2I1:2} {I2:2} {I1:2} I2:4, I1:2 I1:2 { I2I3:4}{I1I3:4} {I2I1I3:2} I1 {I2:4} I2:4 {I2I1:4} THANK YOU! * * Company Logo Company Logo Company Logo Company Logo 此处添加您的标题 Biscuit oat cake carrot cake muffin jelly 1 此处添加您的标题 Biscuit oat cake carrot cake muffin jelly 2 此处添加您的标题 Biscuit oat cake carrot cake muffin jelly 3 此处添加您的标题 Biscuit oat cake carrot cake muffin jelly 4 ADD YOUR TITLE HERE Click here to modify the text , you may post text here . Click here to modify the text Click 此处添加您的标题 Biscuit oat cake carrot cake muffin jelly 1 此处添加您的标题 Biscuit oat cake carrot cake muffin jelly 2 此处添加您的标题 Biscuit oat cake carrot cake muffin jelly 3 此处添加您的标题 Biscuit oat cake carrot cake muffin jelly 4 ADD YOUR TITLE HERE Click here to modify the text , you may post text here . Click here to modify the text Click FP-tree的 频繁集挖掘算法 《关联分析》 Association Analysis --张巍 * 提高Apriori效率的方法 基于FP-tree的频繁集挖掘算法 挖掘频繁集 而不产生候选集的方法 解决思路 减少对数据库的扫描次数； 缩小产生的候选项集； 改进对候选项集的支持度计算方法 Apriori算法主要的挑战 要对数据库进行多次扫描； 会产生大量的候选项集； 104 个频繁1-项集要生成 107 个候选 2-项集 要找尺寸为100的频繁模式，如 {a1, a2, …, a100}, 你必须先产生2100 ? 1030个候选集 对候选项集的支持度计算非常繁琐； * 从事务数据库中构造一个FP-树 {} f:4 c:1 b:1 p:1 b:1 c:3 a:3 b:1 m:2 p:2 m:1 头表 Item frequency head f 4 c 4 a 3 b 3 m 3 p 3 最小支持度 计数= 3 TID Items bought (排序的) 频繁项集 100 {f, a, c, d, g, i, m, p} {f, c, a, m, p} 200 {a, b, c, f, l, m, o} {f, c, a, b, m} 300 {b, f, h, j, o} {f, b} 400 {b, c, k, s, p} {c, b, p} 500 {a, f, c, e, l, p, m, n} {f, c, a, m, p} 步骤: 扫描数据库一次，得到频繁1-项集 把项按支持度递减排序 再一次扫描数据库，建立FP-tree 构造FP-树的过程 {f, c, a, m, p} {f, c, a, b, m} {f, b} {c, b, p} {f, c, a, m, p} * 扫描数据库得到的建树路径： {} f:1 c:1 a:1 m:1 p:1 {} f:2 c:2 a:2 m:1 p:1 b:1 m:1 {} f:3 c:2 a:2 m:1 p:1 b:1 m:1 b:1 {} f:3 c:2 a:2 m:1 p:1 b:1 m:1 b:1 c:1 b:1 p:1 {} f:4 c:3 a:3 m:2 p:2 b:1 m:1 b:1 c:1 b:1 p:1 * 步骤1: 从 FP-tree 到条件模式库 从FP-tree的头表开始 条件模式库 项 条件模式基 p fcam:2, cb:1 m fca