文件名称：简单概念描述-机器学习算法总结ppt
文件大小：2.13MB
文件格式：PPT
更新时间：2024-05-16 04:16:49
机器学习算法
简单概念描述 1) 频繁项集：指经常出现在一块的物品的集合。 关联规则暗示两种物品之间存在很强的关系。(这里我们事先定义阀值，超过该阀值，证明两者之间存在很强的关系). 2) 一个项集的支持度(support)被定义为数据集中包含该项集的记录所占的比例。我们事先需要定义一个最小支持度(minSupport)，而只保留满足最小支持度的项集。 3) 可信度或置信度(confidence)是针对一条诸如{尿布}->{葡萄酒}的关联规则来定义的。 4) Apriori的原理是如果某个项集是频繁的，那么它的子集也是频繁的。反过来说，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。比如{1,2}出现的次数已经小于最小支持度了(非频繁的)，那么超集{0,1,2}的组合肯定也是非频繁的了。 主要包括发现频繁项集和挖掘关联规则这两步。 *