The Apriori algorithm is one of the

The Apriori algorithm is one of the best known algorithms in computer science. The algorithm, initially developed by Agrawal and Srikant [3], is able to speed up the generation of association rules by exploiting the following two observations: If an item-set is frequent (i.e., an item-set with a support above the threshold), then all of its non-empty subsets are also frequent. Formally, for any pair of non-empty item-sets X, Y : if Y ? X and NX /N ? minsup, then NY /N ? minsup. If, for any k, Ik is the set of all frequent item-sets with cardinality k and Il =? for some l, then Ik =? for all k ? l. These two properties can be used to dramatically reduce the search-space when constructing the set of frequent item-sets. For example, if item-set {a, b} is infrequent, then it does not make any sense to look at item-sets containing both a and b. The Apriori algorithm works as follows:

Results (Thai) 1:

อัลกอริทึม Apriori เป็นหนึ่งของอัลกอริทึมที่รู้จักกันดีในวิทยาการคอมพิวเตอร์ ขั้นตอนวิธี เริ่มต้นพัฒนา โดย Agrawal และ Srikant [3], จะสามารถเร่งการสร้างสมาคม โดย exploiting สังเกตสองต่อไปนี้: ถ้าเป็นชุดสินค้าไม่บ่อย (เช่น มีสินค้าชุดสนับสนุนเหนือขีดจำกัดด้วย), แล้วย่อยที่ไม่ว่างเปล่าทั้งหมดก็เป็น อย่างเป็นกิจจะลักษณะ สำหรับทุกคู่ไม่ว่างสินค้าชุด X, Y: ถ้า Y X และ NX /n%1 /N minsup, /n%1 /N NY แล้ว minsup ถ้า สำหรับ k ใด ๆ เป็นชุดของชุดเป็นสินค้าทั้งหมดจำนวนนับ k และ Il = สำหรับบาง l, Ik = สำหรับ k ทั้งหมด l สามารถใช้คุณสมบัติเหล่านี้สองเพื่อลดพื้นที่ค้นหาเมื่อสร้างชุดสินค้าชุดบ่อย ตัวอย่าง ถ้าสินค้าชุด {a, b } ดำรัส แล้วได้ความรู้สึกใด ๆ ที่ประกอบด้วยทั้งชุดสินค้า และ b อัลกอริทึม Apriori ทำงานเป็นดังนี้:

Results (Thai) 2:

ขั้นตอนวิธี Apriori เป็นหนึ่งในขั้นตอนวิธีการที่รู้จักกันดีในสาขาวิชาวิทยาการคอมพิวเตอร์ อัลกอริทึมที่พัฒนาขึ้นโดย Agrawal และ Srikant [3], สามารถเพิ่มความเร็วในการสร้างกฎสมาคมโดยการใช้ประโยชน์สองต่อไปนี้ข้อสังเกต: ถ้ารายการตั้งบ่อย (เช่นรายการที่ตั้งไว้ด้วยการสนับสนุนสูงกว่าเกณฑ์ ) แล้วทั้งหมดของส่วนย่อยที่ไม่ว่างเปล่านอกจากนี้ยังมีบ่อย อย่างเป็นทางการสำหรับคู่ที่ไม่ว่างเปล่ารายการชุด X ใด ๆ Y: ถ้า Y? X และ NX / N? minsup แล้วนิวยอร์ก / N? minsup ถ้า k ใด ๆ Ik เป็นชุดของทุกรายการที่พบบ่อยชุดกับ k cardinality และ Il =? สำหรับลิตรบางส่วนแล้ว Ik =? สำหรับ k ทั้งหมดหรือไม่ ล. คุณสมบัติทั้งสองนี้สามารถใช้ในการลดการค้นหาพื้นที่เมื่อสร้างชุดบ่อยรายการชุด ตัวอย่างเช่นถ้ารายการตั้ง {ข} เป็นไม่บ่อยนักแล้วมันไม่ได้ทำให้รู้สึกใด ๆ ที่จะมองไปที่ชุดรายการที่มีทั้ง A และ B ขั้นตอนวิธี Apriori ทำงานดังต่อไปนี้:

Results (Thai) 3:

ค่าพารามิเตอร์นี้เป็นหนึ่งในที่รู้จักกันดีขั้นตอนวิธีคอมพิวเตอร์ ขั้นตอนวิธีที่พัฒนาและเริ่มโดย Agrawal srikant [ 3 ] , สามารถเพิ่มความเร็วในการสร้างกฎของสมาคม โดยการต่อไปนี้สองสังเกต : ถ้าสินค้าชุดบ่อย ( เช่น รายการชุดสนับสนุนเกณฑ์ ) แล้วทั้งหมดของข้อมูลยังไม่ล้างบ่อย ทางการสำหรับคู่ใด ๆที่ไม่ว่างสินค้าชุด X , Y : ถ้า Y ? X และ NX / N ? minsup แล้ว NY / N ? minsup . ถ้า อะไร K , ฉันคือชุดของชุดรายการบ่อยทั้งหมดที่มีภาวะเชิงการนับ K และ IL = ? สำหรับฉันแล้วฉัน = ? สำหรับ K ลิตร ทั้งสองคุณสมบัติที่สามารถใช้เพื่อลดการค้นหาพื้นที่เมื่อสร้างชุดเซตรายการความถี่ ตัวอย่างเช่น ถ้าสินค้าชุด { a , b } เป็นไม่บ่อยนัก ,แล้วมันไม่ได้ทำให้ความรู้สึกใด ๆเพื่อดูรายการที่มีทั้งชุด A และ B แบบขั้นตอนวิธีการทำงานดังนี้