1
条回答
写回答
写回答
-
Apriori算法
频繁项集： 是支持值大于阈值（support）的项集。
关联分析的目的：
发现频繁项集：发现满足最小支持度的所有项集 发现关联规则：从频繁项集中提取所有高置信度的规则。 Apriori算法就是基于一个先验：
如果某个项集是频繁的，那么它的所有子集也是频繁的； 如果一个集合不是频繁项集，则它的所有父集（超集）都不是频繁项集。
FP Growth 算法
是对Apriori 算法以上缺点的改进，生成一个频繁模式而不需要生成候选模式。
FP Growth（频繁模式增长）将提供频繁项集的数据库压缩到一棵频繁模式树（FP-Tree），但仍保留项集关联信息。无论多少数据，只需要扫描两次数据，大大提高。
2022-03-31 10:46:18赞同 展开评论 打赏
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。
相关问答
