先验算法

✍ dations ◷ 2025-09-09 14:32:36 #算法,数据挖掘

在计算机科学以及数据挖掘领域中, 先验算法(Apriori Algorithm)是关联规则学习的经典算法之一。先验算法的设计目的是为了处理包含交易信息内容的数据库(例如,顾客购买的商品清单,或者网页常访清单。)而其他的算法则是设计用来寻找无交易信息(如Winepi算法和Minepi算法)或无时间标记(如DNA测序)的数据之间的联系规则。

在关联式规则中,一般对于给定的项目集合(例如,零售交易集合,每个集合都列出的单个商品的购买信息),算法通常尝试在项目集合中找出至少有C个相同的子集。先验算法采用自底向上的处理方法,即频繁子集每次只扩展一个对象(该步骤被称为候选集产生),并且候选集由数据进行检验。当不再产生符合条件的扩展对象时,算法终止。

先验算法采用广度优先搜索算法进行搜索并采用树结构来对候选项目集进行高效计数。它通过长度为 k 1 {\displaystyle k-1} 的候选项目集来产生长度为 k {\displaystyle k} 的候选项目集,然后从中删除包含不常见子模式的候选项。根据向下封闭性引理,该候选项目集包含所有长度为 k {\displaystyle k} 的频繁项目集。之后,就可以通过扫描交易数据库来决定候选项目集中的频繁项目集。

虽然先验算法具有显著的历史地位,但是其中的一些低效与权衡弊端也进而引致了许多其他的算法的产生。候选集产生过程生成了大量的子集(先验算法在每次对数据库进行扫描之前总是尝试加载尽可能多的候选集)。并且自底而上的子集浏览过程(本质上为宽度优先的子集格遍历)也直到遍历完所有 2 | S | 1 {\displaystyle 2^{|S|}-1} 个可能的子集之后才寻找任意最大子集S。

一个大型超级市场根据最小存货单位(SKU)来追踪每件物品的销售数据。从而也可以得知哪些物品通常被同时购买。通过采用先验算法来从这些销售数据中创建频繁购买商品组合的清单是一个效率适中的方法。假设交易数据库包含以下子集{1,2,3,4},{1,2},{2,3,4},{2,3},{1,2,4},{3,4},{2,4}。每个标号表示一种商品,如“黄油”或“面包”。先验算法首先要分别计算单个商品的购买频率。下表解释了先验算法得出的单个商品购买频率。

然后我们可以定义一个最少购买次数来定义所谓的“频繁”。在这个例子中,我们定义最少的购买次数为3。因此,所有的购买都为频繁购买。接下来,就要生成频繁购买商品的组合及购买频率。先验算法通过修改树结构中的所有可能子集来进行这一步骤。然后我们仅重新选择频繁购买的商品组合:

并且生成一个包含3件商品的频繁组合列表(通过将频繁购买商品组合与频繁购买的单件商品联系起来得出)。在上述例子中,不存在包含3件商品组合的频繁组合。最常见的3件商品组合为{1,2,4}和{2,3,4},但是他们的购买次数为2,低于我们设定的最低购买次数。

因此Apriori算法中的一些低效与权衡弊端也进而引致了许多其他的算法的产生,例如FP-growth算法。候选集产生过程生成了大量的子集(先验算法在每次对数据库进行扫描之前总是尝试加载尽可能多的候选集)。并且自底而上的子集浏览过程(本质上为宽度优先的子集格遍历)也直到遍历完所有 2 | S | 1 {\displaystyle 2^{|S|}-1} 个可能的子集之后才寻找任意最大子集S。

相关

  • Taenia solium猪带绦虫(学名:Taenia solium;pork tapeworm),也称有钩绦虫或链状带绦虫,体长2-3米,宽7-8毫米,共有800-900个节片,后端成熟节片长约10毫米。
  • 拉丁民族拉丁民族原指古代定居意大利半岛中西部拉丁姆平原的部落民族。其先民为公元前一千年左右由欧洲大陆迁来的印欧人。使用印欧语系的拉丁语。现在泛指受拉丁语和罗马文化影响较
  • 米哈伊尔·莫伊谢耶维奇·博特温尼克米哈伊尔·莫伊谢耶维奇·博特温尼克,大陆国际象棋界习惯译为“鲍特维尼克”(俄语:Михаи́л Моисе́евич Ботви́нник,1911年8月17日-1995年5月5日),苏联
  • 乳胶服装乳胶(Latex)或橡胶(Rubber)被用于制作各种服装。但乳胶不同于橡胶制品般粗糙而通常更薄。着装时,或者直接喷涂在身上,它会紧贴在皮肤上,造成一种“第二皮肤的效果”,比橡胶更有光泽
  • 沈晓海沈晓海(1971年10月5日-),黑龙江省伊春市人,中国演员。祖母是满族人,毕业于上海戏剧学院表演系90级本科。
  • 国家影评人协会国家影评人协会(The National Society of Film Critics)又译美国影评人协会、美国国家影评人协会,是个影评组织,由约60名纽约地区的报纸、周刊、杂志影评人组成。 国家影评人协
  • 普拉姆迪亚·阿南达·杜尔普拉姆迪亚·阿南达·杜尔(爪哇语:Pramoedya Ananta Toer;1925年2月6日-2006年4月30日),印尼著名作家,创作生涯横跨荷属东印度、二战被日本占领、独立后的苏卡诺与苏哈托时期。生于
  • 网部网部,为汉字索引中的部首之一,康熙字典214个部首中的第一百二十二个(六划的则为第五个)。就繁体和简体中文中,网部归于六划部首。网部只以上方为部字。且无其他部首可用者将部首
  • 1965年苏联经济改革1965年苏联经济改革,有时被称为柯西金改革(俄语:Косыгинская реформа) 或利别尔曼改革,是苏联经济的一系列有计划的变化。 这些改革的核心是引进 盈利能力 和
  • 违法SmashRegz违法SmashRegz成立于2008年,团员为吕士轩、张伍、史今。