summary: 关联分析是用于发现大数据集中元素间有趣关系的一个工具集，可以采用两种方式来量化这些有趣的关系。第一种方式是频繁项集，它会给出经常出现在一起的元素项；第二种方式是关联规则，每条关联规则意味着元素项之间“如果……那么”的关系。 发现元素项间不同的组合是个十分耗时的任务，不可避免需要大量 ...
分类：
编程语言 时间：
2019-10-07 09:24:23
阅读次数：
158
挖掘频繁模式、关联和相关性：基本概念和方法 频繁模式（frequent pattern）是频繁地出现在数据集中的模式（如项集、子序列或子结构）。 例如，频繁地同时出现在交易数据集中的商品（如牛奶和面包）的集合是频繁项集。 一个子序列，如首先购买PC，然后是数码相机，再后是内存卡，如果它频繁地出现在购 ...
分类：
其他好文 时间：
2019-08-31 23:05:30
阅读次数：
117
上一篇我们讲了关联分析的几个概念，支持度，置信度，提升度。以及如何利用Apriori算法高效地根据物品的支持度找出所有物品的频繁项集。 "Python 深入浅出Apriori关联分析算法（一）" 这次呢，我们会在上次的基础上，讲讲如何分析物品的关联规则得出关联结果，以及给出用 apyori 这个库运 ...
分类：
编程语言 时间：
2019-08-22 18:42:40
阅读次数：
115
一般我们可以找出用户购买的所有去拼数据里频繁出现的项集序列，然后做频繁集挖掘，找到满足支持度阈值的关联去拼的频繁N项集或者序列。如果用户购买了频繁项集N项集或者序列里的部分商品，那么我们就可以将频繁序列或频繁项集里的其他物品按移动的评分规则推荐给用户，这个评分规则可以包括支持度、置信度和提升度等。 ...
分类：
编程语言 时间：
2019-07-26 21:30:55
阅读次数：
193
在Apriori算法原理总结中，我们对Apriori算法的原理做了总结。作为一个挖掘频繁项集的算法，Apriori算法需要多次扫描数据，I/O是很大的瓶颈。为了解决这个问题，FP Tree算法（也称FP Growth算法）采用了一些技巧，无论多少数据，只需要扫描两次数据集，因此提高了算法运行的效率。... ...
分类：
编程语言 时间：
2019-07-19 18:28:21
阅读次数：
98
一、论文目标：将差分隐私和频繁项集挖掘结合，主要针对大规模数据。 二、论文的整体思路： 1）预处理阶段： 对于大的数据集，进行采样得到采样数据集并计算频繁项集，估计样本数据集最大长度限制，然后再缩小源数据集；(根据最小的support值，频繁项集之外的项集从源数据集移除) 我们利用字符串匹配去剪切数 ...
分类：
其他好文 时间：
2019-04-15 11:46:45
阅读次数：
138
基础知识： 支持度：单个项占总项集的百分比，比如薯片的支持度=4/5*100%=80%，可乐的支持度=3/5*100%=60%。 置信度：薯片=>羽毛球的置信度=3/4*100%=75%，可乐=>羽毛球的置信度=3/3*100%=100%。 一、Apriori算法 假设minsupport=0.2， ...
分类：
编程语言 时间：
2019-04-02 16:58:39
阅读次数：
754
我们是通过算法来找到数据之间的关联规则（两个物品之间可能存在很强的相关关系）和频繁项集（经常出现在一起的物品的集合）。 我们是通过支持度和置信度来定义关联规则和频繁项集的 一个项集支持度是指在所有数据集中出现这个项集的概率，项集可能只包含一个选项，也有可能是多个选项的组合。 置信度 针对于啤酒——> ...
分类：
编程语言 时间：
2019-02-24 00:32:13
阅读次数：
326
详细代码我已上传到github： "click me" 一、 实验要求 在 Spark2.3 平台上实现 Apriori 频繁项集挖掘的并行化算法。要求程序利用 Spark 进 行并行计算。 二、算法设计 ...
分类：
编程语言 时间：
2018-12-21 13:15:01
阅读次数：
279
应用ARIMA(1，1，0)对2015年1月1日到2015年2月6日某餐厅的销售数量做为期5天的预测 setwd('D:\\dat') #install.packages("forecast") #install.packages("plyr") #install.packages("fUnitRo ...
分类：
编程语言 时间：
2018-11-29 22:30:52
阅读次数：
393
