机器学习——使用Apriori算法进行关联分析
2017-01-17 20:33
363 查看
从大规模的数据集中寻找隐含关系被称作为关联分析(association analysis)或者关联规则学习(association rule learning)。
Apriori算法
优点:易编码实现
缺点:在大数据集上可能较慢
使用数据类型:数值型或者标称型数据
关联分析寻找的是隐含关系,这些关系可以有两种形式:频繁项集或者关联规则。
频繁项集(frequent item sets)是经常出现在一起的集合
关联规则(association rule)暗示两种物品之间可能存在很强的关系
项集的支持度和可信度(置信度)
Apriori算法的原理是如果某个项集是频繁的,那么它的所有子集也是频繁的;如果一个项集是非频繁的,那么它的所有超集也是非频繁的。
Apriori算法
优点:易编码实现
缺点:在大数据集上可能较慢
使用数据类型:数值型或者标称型数据
关联分析寻找的是隐含关系,这些关系可以有两种形式:频繁项集或者关联规则。
频繁项集(frequent item sets)是经常出现在一起的集合
关联规则(association rule)暗示两种物品之间可能存在很强的关系
项集的支持度和可信度(置信度)
Apriori算法的原理是如果某个项集是频繁的,那么它的所有子集也是频繁的;如果一个项集是非频繁的,那么它的所有超集也是非频繁的。
相关文章推荐
- 【机器学习实战】 使用Apriori算法进行关联分析
- 【Machine Learning in Action】使用Apriori算法进行关联分析
- [完]机器学习实战 第十一章 使用Apriori算法进行关联分析
- 机器学习基础(三十二) —— 使用 Apriori 算法进行关联分析
- 【机器学习实战-python3】使用Apriori算法进行关联 分析
- 【机器学习实战】第11章 使用 Apriori 算法进行关联分析
- 机器学习实战笔记-使用Apriori算法进行关联分析
- 机器学习实战 - 读书笔记(11) - 使用Apriori算法进行关联分析
- 【机器学习实战】第11章 使用 Apriori 算法进行关联分析
- 机器学习之-使用Apriori算法进行关联并分析-具体怎么实现及应用
- 机器学习实践之使用Apriori算法进行关联分析
- 机器学习实战-使用Apriori算法进行关联分析
- 【机器学习实战】第11章 使用 Apriori 算法进行关联分析
- 使用机器学习和数据挖掘算法进行数据处理
- 使用Apriori进行关联分析
- 使用Apriori进行关联分析(一)
- 使用Apriori进行关联分析
- 《机器学习实战》笔记之十一——使用Apriori算法进行关联分析
- 使用Apriori算法和FP-growth算法进行关联分析
- 《机器学习实战》使用Apriori算法和FP-growth算法进行关联分析(Python版)