apriori算法是关联规则挖掘中很基础也很经典的一个算法，我认为很多教程出现大堆的公式不是很适合一个初学者理解。因此，本文列举一个简单的例子来演示下apriori算法的整个步骤。 下面这个表格是代表一个事务数据库D，其中最小支持度为50%，最小置信度为70%，求事务数据库中的频繁关联规则。T...
分类：
编程语言 时间：
2015-07-24 20:39:28
阅读次数：
268
转载自：http://m.blog.csdn.net/blog/sanqima/427464191.支持度（Support） 支持度表示项集{X,Y}在总项集里出现的概率。公式为： Support(X→Y) = P(X,Y) / P(I) = P(X∪Y) / P(I) = num(X...
分类：
其他好文 时间：
2015-06-24 18:52:08
阅读次数：
210
上篇说明了原理，这篇就直接上核心代码了~
代码比较长，所以理解可能有点麻烦，核心思路就是计算选择的维度后遍历数据，逐步进行循环计算置信度，并淘汰每次循环后的最低值。
这里有一点要注意的，我一开始想用arraylist构造一个堆栈结构进行数据遍历的存储跟计算，因为这样效率比较高。。
但是后来发现，那么做的话，如果以后想要对类型跟因子的种类、数量进行修改的话，需要对代码进行大量重构才能实...
分类：
编程语言 时间：
2015-05-28 09:34:33
阅读次数：
245
6.3两正态总体的区间估计(1)两个总体的方差已知在R中编写计算置信区间的函数twosample.ci()如下，输入参数为样本x, y,置信度α和两个样本的标准差。> twosample.ci=function(x,y,alpha,sigma1,sigma2){+ n1=length(x);n2.....
分类：
编程语言 时间：
2015-05-23 23:52:49
阅读次数：
362
介绍在这篇文章中，我将展示如何绘制二维正态分布数据的误差椭圆，又名置信椭圆。误差椭圆代表高斯分布的等值轮廓线，并允许可视化一个2D置信区间。下图显示了一组二维正态分布数据样本的95％置信椭圆。这个置信椭圆定义的区域包含了95％的样本，这些样本可以从潜在高斯分布中得到。
在接下来的章节中，我们将讨论如何获得不同置信度（如99％置信区间）的置信椭圆，我们将展示如何用Matlab或C ++代码绘制这些椭...
分类：
其他好文 时间：
2015-05-23 08:49:26
阅读次数：
8927
1. 数据预处理阶段，判定冗余数据用到的相关性分析、协方差分析（统计分析）：2. 关联规则中的支持度、置信度、相关性分析（概率分析）：
分类：
其他好文 时间：
2015-05-01 22:34:03
阅读次数：
184
功效分析功效分析可以帮助在给定置信度的情况下，判断检测到给定效应值时所需的样本量。反过来，它也可以帮助你在给定置信度水平情况下，计算在某样本量内能检测到给定效应值的概率。如果概率低得难以接受，修改或者放弃这个实验将是一个明智的选择。10.1假设检验速览在研究过程时，研究者通常关注四个量：样本大小、显...
分类：
其他好文 时间：
2015-04-28 01:42:17
阅读次数：
189
关联分析是一种在大规模数据集中寻找有趣关系的任务。这些关系可以有两种形式：频繁项集或者关联规则。频繁项集是指经常出现在一块的物品的集合，关联规则暗示两种物品之间可能存在很强的关系。一个项集的支持度被定义为数据集中包含该项集的记录所占的比例。可信度或置信度是针对一条诸如{尿布}->{葡萄酒}的关联规则...
分类：
编程语言 时间：
2015-04-21 17:28:47
阅读次数：
156
package com.yang;import java.util.*;public class Apriori { private double minsup = 0.2;// 最小支持度 private double minconf = 0.2;// 最小置信度 // 注意使用IdentityH...
分类：
编程语言 时间：
2015-04-08 17:59:25
阅读次数：
180
正态分布数据检验-偏度峰度检验法正态数据偏度峰度检验法置信度:1-alpha数据样本数:nsig1=sqrt(6.0*（n-2)/(n+1)/(n+3));sig2=sqrt(24.0*n*(n-2)*(n-3)/(n+1)/(n+1)/(n+3)/(n+5));mu2=3.0-6.0/(n+1);...
分类：
其他好文 时间：
2015-03-21 14:02:27
阅读次数：
474
