關規則演算法

❶ 關聯規則演算法的介紹

關聯規則就是支持度和信任度分別滿足用戶給定閾值的規則。

❷ 關聯規則演算法的關聯規則的定義

所謂關聯，反映的是一個事件和其他事件之間依賴或關聯的知識。當我們查找英文文獻的時候，可以發現有兩個英文詞都能形容關聯的含義。第一個是相關性relevance，第二個是關聯性association，兩者都可以用來描述事件之間的關聯程度。
設I={i1,i2…,im}為所有項目的集合，設A是一個由項目構成的集合，稱為項集。事務T是一個項目子集,每一個事務具有唯一的事務標識Tid。事務T包含項集A，當且僅當AT。如果項集A中包含k個項目，則稱其為k項集。D為事務資料庫，項集A在事務資料庫D中出現的次數佔D中總事務的百分比叫做項集的支持度（support）。如果項集的支持度超過用戶給定的最小支持度閾值，就稱該項集是頻繁項集（或大項集）。
關聯規則就是形如XY的邏輯蘊含關系，其中XI，YI且XY=Φ，X稱作規則的前件，Y是結果，對於關聯規則XY，存在支持度和信任度。
支持度是指規則中所出現模式的頻率，如果事務資料庫有s%的事務包含XY，則稱關聯規則XY在D中的支持度為s%，實際上，可以表示為概率P（XY），即support（XY）= P（XY）。信任度是指蘊含的強度，即事務D中c%的包含X的交易同時包含XY。若X的支持度是support(x)，規則的信任度為即為：support(XY)/support(X)，這是一個條件概率P（Y|X），即confidence（XY）= P（Y|X）。

❸ 關聯規則演算法怎麼刻畫相似度

關聯規則原始的定義裡面並沒有相似度的概念
只有支持度和置信度，
支持度 (A->B )=P(AB) 就是AB出現的概率
支持度 (A->B )=P(B|A) 就是A發生條件下B發生的概率。
相似度公式cosine (A->B) = P(AB)/√P(A)P(B)
不知道是不是你要的

❹ 數據挖掘關聯規則演算法如何做模擬實驗急呀!

當你把整個文件打開的時候說明文件已經被load到內存里了。所以請檢查你的內存是否夠大，或者虛擬內存太小。

按理來說T10I4D100K.dat是很小的一個文件，雖然有10W行，但寬度很小啊。

建議你把虛擬內存調大一點，關閉其他佔用大量內存的程序，例如IE，等等。

再么就是看看你的程序是否設計合理。這點兒數據根本不能算做大數據集。

over!

❺ JAVA實現關聯規則演算法

輸入支持度和置信度 之後進行判斷 如果符合條件 就顯示數組里的符合條件的數據 不過你還是表達的不夠確切啊

❻ 關於天津麻將的規則和演算法

基本的計分原則是：先計算基本牌型，如提溜、混吊、雙混吊、捉5、龍，然後在此牌型基礎上在進行疊加或加倍，加倍的包括杠開，素的，本混、混吊、雙混吊等。
提留1番，混吊、雙混吊2番，杠開翻倍；捉5 3番；龍 4番；

1、天和：莊家第一輪牌摸到的14張牌形成和牌牌形，天和按可組合出的最大牌型乘4計算。最小是提溜，即1番乘以4等於4番。
2、素的提溜：如345萬、123條、三個東風、2個7萬、4條和5條，最後摸上6條和牌；計2番。
3、有混杠開提溜：有混明杠杠開提溜：3番（含明杠1番）；有混暗杠杠開提溜：4番（含暗杠2番）
4、杠開素的提溜：明杠杠開素的提留：5番（含明杠1番）；暗杠杠開素的提留：6番（含暗杠2番）
5、捉5：有混，手中有46萬或者有將牌還有一個混抱著4、6萬，最後一張摸的牌是5萬或者是混和牌，3番
6、素5：沒有混，手中有46萬，最後一張摸的牌是5萬和牌，6番
7、有混杠開捉5：有混明杠杠開捉5：7番（含明杠1番）；有混暗杠杠開捉5：8番（含暗杠2番）
8、杠開素的捉5：明杠杠開素的捉5：13番（含明杠1番）；暗杠杠開素的捉5：14番（含暗杠2番）
9、混吊：如345萬、123條，三個東風、456條，還有一個混，此時摸上來的任何牌都可以和，形成混吊；得分為2番。
10、杠開混吊：明杠杠開5番（含明杠1番）；暗杠杠開6番（含暗杠2番）
11、雙混吊：如345萬、123條，三個東風、一對6條，還有兩個混，此時摸上來的任何牌都可以和， 形成雙混吊；得分為2番。
12、杠開雙混吊：明杠杠開5番（含明杠1番）；暗杠杠開6番（含暗杠2番）
13、雙混捉5：6番。如345萬、123條，三個東風、一對6條，還有兩個混，此時摸上來的牌剛好是5萬或者混，和原來的混牌組合成456萬。
14、杠開雙混捉5：明杠杠開雙混捉5：13番（含明杠1番）；暗杠杠開雙混捉5：14（含暗杠2番）
15、提留龍：如一對5萬，234筒，145678條，兩個混，此時最後摸上2、3、9條中的任何一張牌或混則構成提留龍和牌牌型。計為4番。
16、素龍：沒有混的提溜龍，8番
17、捉5龍：7番
18、素龍捉5：14番
19、混吊龍：8番
20、杠開龍：明杠杠開龍：9番（含明杠1番）；暗杠杠開龍：10番（含暗杠2番）
21、杠開素龍：明杠杠開素龍：17番（含明杠1番）；暗杠杠開素龍：18番（含暗杠2番）
22、杠開素龍捉5：明杠杠開素龍捉5：29番（含明杠1番）；暗杠杠開素龍捉5：30番（含暗杠2番）
23、杠開捉5龍：明杠杠開捉5：15番（含明杠1番）；暗杠杠開捉5：16番（含暗杠2番）
24、本混龍：混和龍的花色一樣，記分為8番
25、混吊本混龍：混和龍的花色一樣，記分為16番
26、本混捉5龍：14番
27、杠開本混龍：明杠杠開本混龍：17番（含明杠1番）；暗杠杠開本混龍：18番（含暗杠2番）
28、杠開混吊本混龍：明杠杠開混吊本混龍：33番（含明杠1番）；暗杠杠開混吊本混龍：34番（含暗杠2番）
29、雙混吊捉5龍：14番
30、雙混吊本混捉5龍：28番
31、杠開本混捉5龍：明杠杠開本混捉5龍：29番（含明杠1番）；暗杠杠開本混捉5龍：30番（含暗杠2番）

❼ 簡述一種關聯規則挖掘演算法基本過程。《數據挖掘》作業題追分100

Apriori演算法是一種發現頻繁項集的基本演算法。演算法使用頻繁項集性質的先驗知識。Apriori演算法使用一種稱為逐層搜索的迭代方法，其中K項集用於探索(k+1)項集。首先，通過掃描資料庫，累計每個項的計數，並收集滿足最小支持度的項，找出頻繁1項集的集合。該集合記為L1.然後，使用L1找出頻繁2項集的集合L2，使用L2找到L3，如此下去，直到不能再找到頻繁k項集。
Apriori演算法的主要步驟如下：
(1)掃描事務資料庫中的每個事務，產生候選1．項集的集合Cl；
(2)根據最小支持度min_sup，由候選l-項集的集合Cl產生頻繁1一項集的集合Ll；
(3)對k=l；
(4)由Lk執行連接和剪枝操作，產生候選(k+1)．項集的集合Ck+l-
(5)根據最小支持度min_sup，由候選(k+1)一項集的集合Ck+l產生頻繁(k+1)-項
集的集合Lk+1．
(6)若L⋯≠①，則k．k+1，跳往步驟(4)；否則，跳往步驟(7)；
(7)根據最小置信度min_conf,由頻繁項集產生強關聯規則，結束。

❽ 我在做關聯規則演算法，請問在哪裡可以找到試驗用的數據

現在做關聯規則演算法實驗數據有兩種做法，一種是找專門的數據集，比如說Microsoft Anonymous Web Data (anonymous-msweb)、foodmart 這類數據集；還有一種是將分類數據集比如UCI數據集直接構造成可以用的關聯數據集

❾ 關聯規則的經典演算法有哪些，各自的優缺點

決策樹 貝葉斯 人工神經網路 k-近鄰 支持向量機 基於關聯規則的分類 集成學習

❿ 關聯規則演算法的關聯規則的演算法

關聯演算法是數據挖掘中的一類重要演算法。1993年,R.Agrawal等人首次提出了挖掘顧客交易數據中項目集間的關聯規則問題，其核心是基於兩階段頻繁集思想的遞推演算法。該關聯規則在分類上屬於單維、單層及布爾關聯規則，典型的演算法是Aprior演算法。
Aprior演算法將發現關聯規則的過程分為兩個步驟：第一步通過迭代，檢索出事務資料庫1中的所有頻繁項集，即支持度不低於用戶設定的閾值的項集；第二步利用頻繁項集構造出滿足用戶最小信任度的規則。其中，挖掘或識別出所有頻繁項集是該演算法的核心，占整個計算量的大部分。