正文

關(guān)聯(lián)規(guī)則分析算法（關(guān)聯(lián)規(guī)則分析算法與BP算法）

發(fā)布時間：2023-04-19 06:57:41 稿源：創(chuàng)意嶺閱讀： 75

大家好！今天讓創(chuàng)意嶺的小編來大家介紹下關(guān)于關(guān)聯(lián)規(guī)則分析算法的問題，以下是小編對此問題的歸納整理，讓我們一起來看看吧。

開始之前先推薦一個非常厲害的Ai人工智能工具，一鍵生成原創(chuàng)文章、方案、文案、工作計劃、工作報告、論文、代碼、作文、做題和對話答疑等等

只需要輸入關(guān)鍵詞，就能返回你想要的內(nèi)容，越精準，寫出的就越詳細，有微信小程序端、在線網(wǎng)頁版、PC客戶端

官網(wǎng)：https://ai.de1919.com。

創(chuàng)意嶺作為行業(yè)內(nèi)優(yōu)秀的企業(yè)，服務客戶遍布全球各地，如需了解SEO相關(guān)業(yè)務請撥打電話175-8598-2043，或添加微信：1454722008

本文目錄:

1、Apriori算法是什么？適用于什么情境
2、apriori關(guān)聯(lián)規(guī)則算法
3、apriori算法是什么？
4、關(guān)聯(lián)規(guī)則算法的關(guān)聯(lián)規(guī)則的定義

關(guān)聯(lián)規(guī)則分析算法（關(guān)聯(lián)規(guī)則分析算法與BP算法）

一、Apriori算法是什么？適用于什么情境

經(jīng)典的關(guān)聯(lián)規(guī)則挖掘算法包括Apriori算法和FP-growth算法。apriori算法多次掃描交易數(shù)據(jù)庫，每次利用候選頻繁集產(chǎn)生頻繁集；而FP-growth則利用樹形結(jié)構(gòu)，無需產(chǎn)生候選頻繁集而是直接得到頻繁集，大大減少掃描交易數(shù)據(jù)庫的次數(shù)，從而提高了算法的效率。但是apriori的算法擴展性較好，可以用于并行計算等領域。

Apriori algorithm是關(guān)聯(lián)規(guī)則里一項基本算法。是由Rakesh Agrawal和Ramakrishnan Srikant兩位博士在1994年提出的關(guān)聯(lián)規(guī)則挖掘算法。關(guān)聯(lián)規(guī)則的目的就是在一個數(shù)據(jù)集中找出項與項之間的關(guān)系，也被稱為購物藍分析 (Market Basket analysis)，因為“購物藍分析”很貼切的表達了適用該算法情景中的一個子集。

二、apriori關(guān)聯(lián)規(guī)則算法

解釋如下：

Apriori是基于廣度優(yōu)先的關(guān)聯(lián)規(guī)則算法，即從頻繁1項集開始，采用頻繁k項集搜索頻繁k+1項集，直到不能找到包含更多項的頻繁項集為止。

三、apriori算法是什么？

經(jīng)典的關(guān)聯(lián)規(guī)則挖掘算法包括Apriori算法和FP-growth算法。

apriori算法多次掃描交易數(shù)據(jù)庫，每次利用候選頻繁集產(chǎn)生頻繁集；而FP-growth則利用樹形結(jié)構(gòu)，無需產(chǎn)生候選頻繁集而是直接得到頻繁集，大大減少掃描交易數(shù)據(jù)庫的次數(shù)，從而提高了算法的效率，但是apriori的算法擴展性較好，可以用于并行計算等領域。

關(guān)聯(lián)規(guī)則分析算法（關(guān)聯(lián)規(guī)則分析算法與BP算法）

基本算法：

Apriori algorithm是關(guān)聯(lián)規(guī)則里一項基本算法

Apriori算法將發(fā)現(xiàn)關(guān)聯(lián)規(guī)則的過程分：

第一通過迭代，檢索出事務數(shù)據(jù)庫1中的所有頻繁項集，即支持度不低于用戶設定的閾值的項集；

第二利用頻繁項集構(gòu)造出滿足用戶最小信任度的規(guī)則。其中，挖掘或識別出所有頻繁項集是該算法的核心，占整個計算量的大部分。

四、關(guān)聯(lián)規(guī)則算法的關(guān)聯(lián)規(guī)則的定義

所謂關(guān)聯(lián)，反映的是一個事件和其他事件之間依賴或關(guān)聯(lián)的知識。當我們查找英文文獻的時候，可以發(fā)現(xiàn)有兩個英文詞都能形容關(guān)聯(lián)的含義。第一個是相關(guān)性relevance，第二個是關(guān)聯(lián)性association，兩者都可以用來描述事件之間的關(guān)聯(lián)程度。

設I={i1,i2…,im}為所有項目的集合，設A是一個由項目構(gòu)成的集合，稱為項集。事務T是一個項目子集,每一個事務具有唯一的事務標識Tid。事務T包含項集A，當且僅當AT。如果項集A中包含k個項目，則稱其為k項集。D為事務數(shù)據(jù)庫，項集A在事務數(shù)據(jù)庫D中出現(xiàn)的次數(shù)占D中總事務的百分比叫做項集的支持度（support）。如果項集的支持度超過用戶給定的最小支持度閾值，就稱該項集是頻繁項集（或大項集）。

關(guān)聯(lián)規(guī)則就是形如XY的邏輯蘊含關(guān)系，其中XI，YI且XY=Φ，X稱作規(guī)則的前件，Y是結(jié)果，對于關(guān)聯(lián)規(guī)則XY，存在支持度和信任度。

支持度是指規(guī)則中所出現(xiàn)模式的頻率，如果事務數(shù)據(jù)庫有s%的事務包含XY，則稱關(guān)聯(lián)規(guī)則XY在D中的支持度為s%，實際上，可以表示為概率P（XY），即support（XY）= P（XY）。信任度是指蘊含的強度，即事務D中c%的包含X的交易同時包含XY。若X的支持度是support(x)，規(guī)則的信任度為即為：support(XY)/support(X)，這是一個條件概率P（Y|X），即confidence（XY）= P（Y|X）。

關(guān)聯(lián)規(guī)則分析算法（關(guān)聯(lián)規(guī)則分析算法與BP算法）