1 / 21

Algorithm to Find Frequent Itemsets

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.

ardice
Télécharger la présentation

Algorithm to Find Frequent Itemsets

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  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)

More Related