以f结尾的频繁项集,置信度,支持度

简介: 以f结尾的频繁项集,置信度,支持度

计算支持度,置信度

7.1.png                                                

{a}的支持度为8/10   (出现的次数/所有的记录)

{b}的支持度为7/10

{a—>b}的置信度为    5/8 ( ab一起出现的次数/a出现的次数)


求频繁项集


TID

Items Bought

(Ordered) Frequent Items

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


选出出现次数>=3的

7.2.png

以a结尾的有频繁项集有{(fa:3),(fca:3),(ca:3),(a:3)}

以f结尾的有频繁项集有{(f:4)}

以b结尾的有频繁项集有{(b:3)}

以m结尾的有频繁项集有{(m:3))}

以c结尾的有频繁项集有{(fc:3),(c:4)}

以(a,m)结尾的有频繁项集有{(am:3),(cam:3)(fam:3),(fcam:3)}

以(c,m)结尾的有频繁项集有{(cm:3),(fcm:3)}

以(f,m)结尾的有频繁项集有{(fm:3)}

相关文章
|
3月前
|
算法 测试技术 C#
区间合并|LeetCode2963:统计好分割方案的数目
区间合并|LeetCode2963:统计好分割方案的数目
|
4月前
|
存储 算法 程序员
【算法训练-回溯算法 二】【子集组合问题】子集、组合、子集II、组合总和
【算法训练-回溯算法 二】【子集组合问题】子集、组合、子集II、组合总和
41 0
|
2月前
|
算法 测试技术 C++
【动态规划】1301. 最大得分的路径数目
【动态规划】1301. 最大得分的路径数目
|
8月前
|
算法
算法训练Day41|416. 分割等和子集
算法训练Day41|416. 分割等和子集
|
PyTorch 算法框架/工具
torch 如何实现两点分布采样,要求采100个样本,其中20个样本为数字1,80个为数字2
可以使用 PyTorch 中的 torch.distributions 模块实现两点分布采样。具体来说,可以使用 Categorical 分布将数字1和数字2的概率分别设为0.2和0.8,然后调用 sample() 方法进行采样。可以先使用 torch.ones() 和 torch.zeros() 函数生成分别包含20个数字1和80个数字2的张量,然后使用 torch.cat() 函数将它们拼接在一起,再使用 torch.randperm() 函数对其进行打乱。
278 0
每日三题-编辑距离、分割等和子集、单词拆分
每日三题-编辑距离、分割等和子集、单词拆分
56 0
每日三题-编辑距离、分割等和子集、单词拆分
|
索引
每日三题-下一个排列、颜色分类、寻找重复数
每日三题-下一个排列、颜色分类、寻找重复数
55 0
每日三题-下一个排列、颜色分类、寻找重复数
|
SQL 存储 缓存
4 PostgreSQL 索引,全文检索,模糊匹配,近似度匹配(一)
4 PostgreSQL 索引,全文检索,模糊匹配,近似度匹配(一)
179 0
|
机器学习/深度学习 算法
②机器学习推荐算法之关联规则(Apriori)——支持度;置信度;提升度
机器学习推荐算法之关联规则(Apriori)——支持度;置信度;提升度
863 0
②机器学习推荐算法之关联规则(Apriori)——支持度;置信度;提升度