algorithm - 查找频繁项集

Question

我有以下数据集:

| 拆分集合的位置。基本上，例如第 2 行看起来像这样:

{{null}, {shop, atm}, {null}, {shop, atm}, {null}, {null}}

集合的顺序没有任何作用:{shop, amt} == {atm, shop}。

我想做两件事:

1) 找到共同模式和频繁项集。例如，集合 {shop, atm} 频繁出现在第 1、2 和 4 行。

2) 找出哪些元素后跟哪些集合(或集合元素)。例如，shop 后面经常跟着其他商店:{shop, atm}, {shop} - 第 1 行和 {shop}, {shop, atm} - 第 4 行。

第一个问题用Apriori算法很容易解决吧？这很容易。但是第二个问题呢？我该如何解决？用户使用哪些算法？

Answer 1

是的，Apriori 会找到频繁的项目集(即具有高支持度的集)。 FP-Tree 通常更好，因为它只需要两次遍历数据。

第二部分，规则生成，涉及采用成对的频繁项集，其中第一个是第二个的超集。然后你可以形成一个规则，其中较小的集合是前提，集合的差异是结果。较大项集与较小项集的支持度之比即为规则的统计置信度。

这些都是相当基本的数据挖掘内容，并且在维基百科等中有很好的描述。Weka 和 R 等软件包会为您完成艰苦的工作。