数据结构
网络
关系数据库管理系统 (RDBMS)
操作系统
Java
MS Excel
iOS
HTML
CSS
Android
Python
C语言编程
C++
C#
MongoDB
MySQL
Javascript
PHP
物理学
化学
生物学
数学
英语
经济学
心理学
社会学
服装学
法学如何进一步提高基于Apriori算法的挖掘效率？
有一些改进原始Apriori算法效率的改进算法版本，如下所示：
基于哈希的技术（将项集哈希到相应的桶中）——基于哈希的技术可以用来减少候选k-项集Ck（k > 1）的大小。例如，在扫描数据库中的每个事务以从C1中的候选1-项集创建频繁1-项集L1时，可以为每个事务创建一些2-项集，将它们哈希（即映射）到哈希表结构的多个桶中，并增加相应的桶计数。
事务压缩——不包含某些频繁k-项集的事务不可能包含某些频繁(k+1)-项集。因此，可以标记或删除此类事务以避免进一步考虑，因为后续扫描数据库以查找j-项集（其中j > k）将不需要它。
分区——可以使用一种分区技术，只需要两次数据库扫描就可以挖掘频繁项集。它包括两个阶段：在第一阶段，算法将D的事务细分为n个不相交的分区。如果D中事务的最小支持阈值为min_sup，则分区中最小支持计数为min_sup ×该分区中事务的数量。
对于每个分区，都会发现分区内的所有频繁项集。这些被称为局部频繁项集。该过程使用特定的数据结构，对于每个项集，记录包含该项集中的项的事务的TID。这使得它能够仅通过一次数据库扫描就能找到所有局部频繁k-项集（k = 1, 2...）。
局部频繁项集可能与整个数据库D频繁相关，也可能不频繁相关。任何可能与D频繁相关的项集都必须作为频繁项集出现在部分分区中。因此，所有局部频繁项集都是D的候选项集。来自所有分区频繁项集的集合构成D的全局候选项集。在第二阶段，组织对D的第二次扫描，其中评估每个候选的支持度以确定全局频繁项集。
抽样——抽样方法的基本思想是从给定的数据D中选择一个随机样本S，然后在S中而不是在D中搜索频繁项集。在这种方法中，可以牺牲一定程度的准确性来换取效率。S的样本大小使得可以在主内存中完成在S中搜索频繁项集的操作，因此总体上只需要扫描S中事务一次。
11K+ 次浏览
