SlideServe
Télécharger Obtenir Pro
Menu
Accueil Pro
Préférences
ApparenceLight Aide et commentaires
© SlideServe · v2026

Algorithm to Find Frequent Itemsets

ardice avatar
ardice
21 diapositives · 439 Views · Sep 04, 2014

Algorithm to Find Frequent Itemsets. Association Rules. Goal: Provide an overview of basic Association Rule mining techniques Association Rules Problem Overview Large itemsets Association Rules Algorithms Apriori FP-Growth Index- BitTableFI. Association Rule Techniques.

Algorithm to Find Frequent Itemsets - slide 1
01 / 21Algorithm to Find Frequent Itemsets
1 / 17

Télécharger la présentation

Algorithm to Find Frequent Itemsets
Une image / un lien ci-dessous est fourni (tel quel) pour télécharger la présentation

Politique de téléchargement : le contenu du site vous est fourni TEL QUEL pour votre information et votre usage personnel ; il ne peut être vendu, concédé sous licence ni partagé sur d’autres sites sans l’accord de son auteur.Le contenu vous est fourni TEL QUEL, pour votre information et votre usage personnel uniquement. Téléchargez la présentation en cliquant sur ce lien. Lors du téléchargement, si vous ne parvenez pas à télécharger une présentation, l’éditeur a peut-être supprimé le fichier de son serveur.Pendant le téléchargement, si vous ne parvenez pas à obtenir une présentation, le fichier a peut-être été supprimé par l’éditeur.

F I N

Plus de contenu associé

Transcription de la présentation

  1. Algorithm to Find Frequent Itemsets

  2. Association Rules Goal: Provide an overview of basic Association Rule mining techniques • Association Rules Problem Overview • Large itemsets • Association Rules Algorithms • Apriori • FP-Growth • Index-BitTableFI

  3. Association Rule Techniques Step1: Find Large Frequent Itemsets. Step 2: Generate rules from frequent itemsets.

  4. Apriori Scan DB

  5. Scan DB

  6. Scan DB

  7. FP-growth • การหา Frequent Itemsetsด้วยอัลกอริทึม FP-growth ประกอบไปด้วย 2 ขั้นตอน คือ • สร้าง FP-tree จากฐานข้อมูลที่กำหนดโดยจะมีการอ่านฐานข้อมูล 2 ครั้ง • อ่านฐานข้อมูลครั้งที่ 1 เพื่อนับค่าความถี่ของแต่ละ items และทำการตัด items ที่มีค่าความถี่ขั้นต่ำออก หลังจากนั้นนำ items ที่เหลือมาเรียงลำดับตามค่าความถี่ของแต่ละ items จากมากไปน้อยในตารางที่เรียกว่า Hash Table • อ่านฐานข้อมูลครั้งที่ 2 เพื่อสร้าง FP-tree • หา Frequent Itemsetsจาก FP-tree

  8. อ่านฐานข้อมูลครั้งที่ 1 เพื่อนับค่าความถี่ของแต่ละ items และทำการตัด items ที่มีค่าความถี่ขั้นต่ำออก หลังจากนั้นนำ items ที่เหลือมาเรียงลำดับตามค่าความถี่ของแต่ละ items จากมากไปน้อยในตารางที่เรียกว่า Hash Table ตัด 4 ออกแล้ว

  9. Index-BitTableFI • อ่านฐานข้อมูลเพียง 1 ครั้ง • ลงรหัสโดยแปลงข้อมูลให้อยู่ในรูปแบบบิตแมปเวกเตอร์ เรียกว่าตาราง BitTable • นับค่าความถี่ของแต่ละ items และทำการตัด items ที่มีค่าความถี่ขั้นต่ำออก จะได้ Frequent 1-itemsets • หา Index array ของแต่ละ Frequent item โดยการดำเนินการ AND ระหว่างบิตแมปเวกเตอร์ของทรานแซคชั่นที่ Item นั้นปรากฎ • นำ Index array ไปหา Frequent k-itemsets

  10. (1,3) (2,3) (2,5) (2,3,5) (3,5)