关规则算法

❶ 关联规则算法的介绍

关联规则就是支持度和信任度分别满足用户给定阈值的规则。

❷ 关联规则算法的关联规则的定义

所谓关联，反映的是一个事件和其他事件之间依赖或关联的知识。当我们查找英文文献的时候，可以发现有两个英文词都能形容关联的含义。第一个是相关性relevance，第二个是关联性association，两者都可以用来描述事件之间的关联程度。
设I={i1,i2…,im}为所有项目的集合，设A是一个由项目构成的集合，称为项集。事务T是一个项目子集,每一个事务具有唯一的事务标识Tid。事务T包含项集A，当且仅当AT。如果项集A中包含k个项目，则称其为k项集。D为事务数据库，项集A在事务数据库D中出现的次数占D中总事务的百分比叫做项集的支持度（support）。如果项集的支持度超过用户给定的最小支持度阈值，就称该项集是频繁项集（或大项集）。
关联规则就是形如XY的逻辑蕴含关系，其中XI，YI且XY=Φ，X称作规则的前件，Y是结果，对于关联规则XY，存在支持度和信任度。
支持度是指规则中所出现模式的频率，如果事务数据库有s%的事务包含XY，则称关联规则XY在D中的支持度为s%，实际上，可以表示为概率P（XY），即support（XY）= P（XY）。信任度是指蕴含的强度，即事务D中c%的包含X的交易同时包含XY。若X的支持度是support(x)，规则的信任度为即为：support(XY)/support(X)，这是一个条件概率P（Y|X），即confidence（XY）= P（Y|X）。

❸ 关联规则算法怎么刻画相似度

关联规则原始的定义里面并没有相似度的概念
只有支持度和置信度，
支持度 (A->B )=P(AB) 就是AB出现的概率
支持度 (A->B )=P(B|A) 就是A发生条件下B发生的概率。
相似度公式cosine (A->B) = P(AB)/√P(A)P(B)
不知道是不是你要的

❹ 数据挖掘关联规则算法如何做仿真实验急呀!

当你把整个文件打开的时候说明文件已经被load到内存里了。所以请检查你的内存是否够大，或者虚拟内存太小。

按理来说T10I4D100K.dat是很小的一个文件，虽然有10W行，但宽度很小啊。

建议你把虚拟内存调大一点，关闭其他占用大量内存的程序，例如IE，等等。

再么就是看看你的程序是否设计合理。这点儿数据根本不能算做大数据集。

over!

❺ JAVA实现关联规则算法

输入支持度和置信度 之后进行判断 如果符合条件 就显示数组里的符合条件的数据 不过你还是表达的不够确切啊

❻ 关于天津麻将的规则和算法

基本的计分原则是：先计算基本牌型，如提溜、混吊、双混吊、捉5、龙，然后在此牌型基础上在进行叠加或加倍，加倍的包括杠开，素的，本混、混吊、双混吊等。
提留1番，混吊、双混吊2番，杠开翻倍；捉5 3番；龙 4番；

1、天和：庄家第一轮牌摸到的14张牌形成和牌牌形，天和按可组合出的最大牌型乘4计算。最小是提溜，即1番乘以4等于4番。
2、素的提溜：如345万、123条、三个东风、2个7万、4条和5条，最后摸上6条和牌；计2番。
3、有混杠开提溜：有混明杠杠开提溜：3番（含明杠1番）；有混暗杠杠开提溜：4番（含暗杠2番）
4、杠开素的提溜：明杠杠开素的提留：5番（含明杠1番）；暗杠杠开素的提留：6番（含暗杠2番）
5、捉5：有混，手中有46万或者有将牌还有一个混抱着4、6万，最后一张摸的牌是5万或者是混和牌，3番
6、素5：没有混，手中有46万，最后一张摸的牌是5万和牌，6番
7、有混杠开捉5：有混明杠杠开捉5：7番（含明杠1番）；有混暗杠杠开捉5：8番（含暗杠2番）
8、杠开素的捉5：明杠杠开素的捉5：13番（含明杠1番）；暗杠杠开素的捉5：14番（含暗杠2番）
9、混吊：如345万、123条，三个东风、456条，还有一个混，此时摸上来的任何牌都可以和，形成混吊；得分为2番。
10、杠开混吊：明杠杠开5番（含明杠1番）；暗杠杠开6番（含暗杠2番）
11、双混吊：如345万、123条，三个东风、一对6条，还有两个混，此时摸上来的任何牌都可以和， 形成双混吊；得分为2番。
12、杠开双混吊：明杠杠开5番（含明杠1番）；暗杠杠开6番（含暗杠2番）
13、双混捉5：6番。如345万、123条，三个东风、一对6条，还有两个混，此时摸上来的牌刚好是5万或者混，和原来的混牌组合成456万。
14、杠开双混捉5：明杠杠开双混捉5：13番（含明杠1番）；暗杠杠开双混捉5：14（含暗杠2番）
15、提留龙：如一对5万，234筒，145678条，两个混，此时最后摸上2、3、9条中的任何一张牌或混则构成提留龙和牌牌型。计为4番。
16、素龙：没有混的提溜龙，8番
17、捉5龙：7番
18、素龙捉5：14番
19、混吊龙：8番
20、杠开龙：明杠杠开龙：9番（含明杠1番）；暗杠杠开龙：10番（含暗杠2番）
21、杠开素龙：明杠杠开素龙：17番（含明杠1番）；暗杠杠开素龙：18番（含暗杠2番）
22、杠开素龙捉5：明杠杠开素龙捉5：29番（含明杠1番）；暗杠杠开素龙捉5：30番（含暗杠2番）
23、杠开捉5龙：明杠杠开捉5：15番（含明杠1番）；暗杠杠开捉5：16番（含暗杠2番）
24、本混龙：混和龙的花色一样，记分为8番
25、混吊本混龙：混和龙的花色一样，记分为16番
26、本混捉5龙：14番
27、杠开本混龙：明杠杠开本混龙：17番（含明杠1番）；暗杠杠开本混龙：18番（含暗杠2番）
28、杠开混吊本混龙：明杠杠开混吊本混龙：33番（含明杠1番）；暗杠杠开混吊本混龙：34番（含暗杠2番）
29、双混吊捉5龙：14番
30、双混吊本混捉5龙：28番
31、杠开本混捉5龙：明杠杠开本混捉5龙：29番（含明杠1番）；暗杠杠开本混捉5龙：30番（含暗杠2番）

❼ 简述一种关联规则挖掘算法基本过程。《数据挖掘》作业题追分100

Apriori算法是一种发现频繁项集的基本算法。算法使用频繁项集性质的先验知识。Apriori算法使用一种称为逐层搜索的迭代方法，其中K项集用于探索(k+1)项集。首先，通过扫描数据库，累计每个项的计数，并收集满足最小支持度的项，找出频繁1项集的集合。该集合记为L1.然后，使用L1找出频繁2项集的集合L2，使用L2找到L3，如此下去，直到不能再找到频繁k项集。
Apriori算法的主要步骤如下：
(1)扫描事务数据库中的每个事务，产生候选1．项集的集合Cl；
(2)根据最小支持度min_sup，由候选l-项集的集合Cl产生频繁1一项集的集合Ll；
(3)对k=l；
(4)由Lk执行连接和剪枝操作，产生候选(k+1)．项集的集合Ck+l-
(5)根据最小支持度min_sup，由候选(k+1)一项集的集合Ck+l产生频繁(k+1)-项
集的集合Lk+1．
(6)若L⋯≠①，则k．k+1，跳往步骤(4)；否则，跳往步骤(7)；
(7)根据最小置信度min_conf,由频繁项集产生强关联规则，结束。

❽ 我在做关联规则算法，请问在哪里可以找到试验用的数据

现在做关联规则算法实验数据有两种做法，一种是找专门的数据集，比如说Microsoft Anonymous Web Data (anonymous-msweb)、foodmart 这类数据集；还有一种是将分类数据集比如UCI数据集直接构造成可以用的关联数据集

❾ 关联规则的经典算法有哪些，各自的优缺点

决策树 贝叶斯 人工神经网络 k-近邻 支持向量机 基于关联规则的分类 集成学习

❿ 关联规则算法的关联规则的算法

关联算法是数据挖掘中的一类重要算法。1993年,R.Agrawal等人首次提出了挖掘顾客交易数据中项目集间的关联规则问题，其核心是基于两阶段频繁集思想的递推算法。该关联规则在分类上属于单维、单层及布尔关联规则，典型的算法是Aprior算法。
Aprior算法将发现关联规则的过程分为两个步骤：第一步通过迭代，检索出事务数据库1中的所有频繁项集，即支持度不低于用户设定的阈值的项集；第二步利用频繁项集构造出满足用户最小信任度的规则。其中，挖掘或识别出所有频繁项集是该算法的核心，占整个计算量的大部分。