后件為數(shù)值型屬性的關聯(lián)規(guī)則發(fā)現(xiàn)策略研究.pdf_第1頁
已閱讀1頁,還剩80頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領

文檔簡介

1、在數(shù)據(jù)挖掘領域中,關聯(lián)規(guī)則是一種非常重要的技術。Apriori算法是其最經(jīng)典的算法之一。關聯(lián)規(guī)則從布爾型屬性開始研究,發(fā)展到名稱型屬性。目前,數(shù)值型屬性的關聯(lián)規(guī)則已經(jīng)成為該領域的研究熱點之一。 本文首先介紹名稱型關聯(lián)規(guī)則的概念、評價標準及相關技術,數(shù)值型關聯(lián)規(guī)則的概念及相關技術,以及目前較為普遍的等深、等寬、聚類離散化方法,并對這三種離散化方法進行了分析比較,為動態(tài)離散化方法奠定基礎。其次,重點介紹了Weka中的Apriori算

2、法及K均值算法,為算法的實驗做準備。本文研究的對象是后件數(shù)值型屬性的關聯(lián)規(guī)則,針對這種的關聯(lián)規(guī)則提出從兩個方向進行挖掘:由前件到后件和由后件到前件。由前向后的方法(ARClusterer)采用Apriori算法中挖掘頻繁項集的方法先挖掘出規(guī)則前件,再根據(jù)最小支持度原則與聚類算法進行動態(tài)結(jié)合,挖掘規(guī)則后件。由后向前方法(Ahead)先分別采用三種離散化方法對術屬性進行離散,并依據(jù)支持度對離散后的區(qū)間進行動態(tài)合并,從而挖掘出規(guī)則的后件,再到

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論