1)扫描整个事务数据库,产生候选1项集的集合C1; 2)根据最小支持度,由候选1-项集的集合C1产生频繁1项集的集合L1; 3)设k表示k项集,对k>1,重复置信步骤4、5、6。 4)由Lk执行连接和剪枝操作,产生候选(k+1)-项集的集合Ck+1; 5)根据最小支持度,由候选(k+1)-项集的集合Ck+1,产生频繁(k+1)-项集的集合Lk+1; 6)若Lk+1≠Ø,则k=k+1,跳往步骤4;否则转到步骤7; 7)根据最小置信度,由频繁项集产生强关联规则,算法结束。
时间: 2023-06-08 19:05:21 浏览: 58
适应于关系型数据库的多维关联规则挖掘的Apriori算法.doc
5星 · 资源好评率100%
您的问题漏了一些关键信息,这似乎是数据挖掘中的Apriori算法的流程描述。Apriori算法可以通过扫描整个事务数据库来产生候选项集,然后根据最小支持度产生频繁项集,最后根据最小置信度产生强关联规则。
不过关于这个算法的具体实现和细节问题,我可能需要更多的上下文才能回答您的问题。如果您有具体的实现问题或者疑惑,欢迎随时向我提问,我会尽力回答。
阅读全文