2.4.1 序列数据集
序列数据集S定义为元组（sid, s）的集合，其中sid为序列ID，s为序列。
在序列数据集S中，序列X的支持度定义为S中包含X的元组数，即
supportS(X)={(sid, s)∨(sid, s)∈S←Xs}
这是序列模式的一个内在性质，它应用于相关的算法，如Apriori算法的Apriori性质。对于序列X及其子序列Y，support（X）≤support(Y)。
R语言数据挖掘2.4.1 序列数据集
2017-05-02
1405
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《
阿里云开发者社区用户服务协议》和
《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写
侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介：
目录
相关文章
|
4月前
|
数据采集
存储
数据可视化
R语言时间序列分析：处理与建模时间序列数据的深度探索
【8月更文挑战第31天】R语言作为一款功能强大的数据分析工具，为处理时间序列数据提供了丰富的函数和包。从数据读取、预处理、建模到可视化，R语言都提供了灵活且强大的解决方案。然而，时间序列数据的处理和分析是一个复杂的过程，需要结合具体的应用场景和需求来选择合适的方法和模型。希望本文能为读者在R语言中进行时间序列分析提供一些有益的参考和启示。
68
1
1
|
7月前
|
机器学习/深度学习
数据挖掘
计算机视觉
|
7月前
|
算法
Python
R语言随机波动模型SV：马尔可夫蒙特卡罗法MCMC、正则化广义矩估计和准最大似然估计上证指数收益时间序列
R语言随机波动模型SV：马尔可夫蒙特卡罗法MCMC、正则化广义矩估计和准最大似然估计上证指数收益时间序列
71
7
7
|
7月前
|
数据可视化
|
7月前
|
数据采集
数据挖掘
测试技术
|
7月前
|
SQL
算法
数据可视化
|
7月前
|
机器学习/深度学习
Python
|
7月前
|
数据采集
人工智能
算法
|
7月前
|
7月前
|
算法
数据可视化
数据挖掘
热门文章
最新文章
1
【Python数据挖掘课程】八.关联规则挖掘及Apriori实现购物推荐
2
工具推荐 | 分析大数据最需要的Top 10数据挖掘工具
3
数据挖掘实战：带你做客户价值分析(附代码)
4
150+面试题，十大必读书，数据挖掘offer轻松搞定 | 面试宝典系列
5
一小时了解数据挖掘⑤数据挖掘步骤＆常用的聚类、决策树和CRISP-DM概念
6
【精品问答】110+数据挖掘面试题集合 | 技术日报（17期）
7
ITTC微博数据挖掘--在线演示Sliverlight版本
8
【数据挖掘实战】——应用系统负载分析与容量预测(ARIMA模型)
9
《python 与数据挖掘 》一 3.4 作用域
10
数据挖掘基础学习一：VMware虚拟机Ubuntu上安装Python和IPython Notebook（Jupyter Notebook）完整步骤及需要注意的问题（以ubuntu-18.04.3为例）