我們小組提出了基於模式樹節點集的新穎資料結構，並把這類結構應用到資料探勘核心任務－頻繁模式挖掘中，形成了一系列的演算法，其中包括2023年發表在《international journal of computational intelligence systems》的ppv演算法和2023年發表《science china information sciences》上的prepost演算法。對這兩個演算法有興趣的人可以從以下**免費**。
ppv演算法（**題目：a new fast vertical method for mining frequent patterns）**位址：
prepost演算法（**題目：a new algorithm for fast mining frequent itemsets using n-lists）**位址： 或
Spark 頻繁項集挖掘
同步於buracag的部落格 挖掘頻繁專案，專案集，子串行或其他子結構通常是分析大規模資料集的第一步，這是資料探勘多年來一直活躍的研究課題。可以參考一下維基百科中關於關聯規則學習的基礎知識。fp growth演算法在han等人的文章中描述，挖掘頻繁模式而沒有候選生成，其中 fp 代表頻繁模式。給定資...
商品頻繁二項集挖掘方法
一 頻繁二項集 現實中有許多關聯規則挖掘演算法，比如最著名的apriori演算法，以及fp 樹頻集演算法，本例介紹關於商品的頻繁二項集演算法。二 演算法設計思路 1 將每一筆訂單的商品按照兩兩分組 2 對每個分組的頻數進行統計 3 根據頻數計算支援度和置信度 4 設定支援度與置信度閾值，過濾不達標的...
頻繁模式挖掘 Apriori演算法
dm實驗，寫的比較二，好多情況還沒有考慮，後續有時間會修改。開始的時候資料結構沒設計好導致寫到後面費了很大的勁 不過還好python的列表有起死回生的功效 資料集 database.txt i1,i2,i5 i2,i4 i2,i3 i1,i2,i4 i1,i3 i2,i3 i1,i3 i1,i2,i...