数据结构
网络
关系型数据库管理系统
操作系统
Java
MS Excel
iOS
HTML
CSS
Android
Python
C 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
时尚研究
法律研究什么是支持计数？
支持计数是确定每个候选项目集出现频率的过程，这些候选项目集在 Apriori-Gen 函数的候选剪枝步骤中幸存下来。
一种执行此操作的方法是将每个事务与每个候选项目集进行比较，并刷新事务中包含的候选者的支持计数。这种方法在计算上代价很高，尤其是在事务和候选项目集都很多的情况下。
第二种方法是枚举每个事务中包含的项目集，并需要它们刷新其特定候选项目集的支持计数。考虑一个包含五个项目的事务 t，{I、2、3、5 和 6}。此事务中包含 (5 3) = 10 个大小为 3 的项目集。
各种项目集可能对应于正在分析的候选 3-项目集，在这种情况下，它们的支撑计数会递增。存在 t 的不同子集，它们不对应于可以忽略的一些候选者。
一种系统地枚举 t 中包含的 3-项目集的方法。考虑到每个项目集都以改进的字典序维护其项目，可以通过首先定义最小的项目，然后定义更高的项目来枚举项目集。
例如，给定 t：{1、2、3、5 和 6}，t 中包含的所有 3-项目集都应以项目 1、2 或 3 开头。创建以项目 5 或 6 开头的 3-项目集是不适用的，因为 t 中有两个项目的标签高于或等于 5。
前缀架构显示了如何一致地枚举事务中包含的项目集，即通过逐个定义其项目，从最左边的项目到最右边的项目。
它可以确定每个枚举的 3-项目集是否与现有的候选项目集相关。如果它连接了一个候选者，那么相关候选者的支持计数就会递增。
在 Apriori 算法中，候选项目集被分成多个桶并保存在哈希树中。在支持计数期间，每个事务中包含的项目集也将其哈希到其合适的桶中。与其将事务中的每个项目集与每个候选项目集进行比较，不如仅将其与属于相同桶的候选项目集进行比较。
树的每个内部节点都需要以下哈希函数 h(p)：p mod 3，以确定接下来必须遵循当前节点的哪个分支。例如，项目 1、4 和 7 被哈希到相同的分支（即最左边的分支），因为它们在将数字除以 3 后具有相同的余数。所有候选项目集都保存在哈希树的叶节点中。
2K+ 浏览量
