当前位置: 首页 > news >正文

网站流量如何突破肇庆市住房和城乡房屋建设局网站

网站流量如何突破,肇庆市住房和城乡房屋建设局网站,网站开发公司+重庆,今天上海出什么大事了使用Apriori进行关联分析#xff08;二#xff09;书接上文#xff08;使用Apriori进行关联分析#xff08;一#xff09;#xff09;#xff0c;介绍如何挖掘关联规则。发现关联规则我们的目标是通过频繁项集挖掘到隐藏的关联规则。所谓关联规则#xff0c;指通过某个…使用Apriori进行关联分析二书接上文使用Apriori进行关联分析一介绍如何挖掘关联规则。发现关联规则  我们的目标是通过频繁项集挖掘到隐藏的关联规则。  所谓关联规则指通过某个元素集推导出另一个元素集。比如有一个频繁项集{底板,胶皮,胶水}那么一个可能的关联规则是{底板,胶皮}→{胶水}即如果客户购买了底板和胶皮则该客户有较大概率购买胶水。这个频繁项集可以推导出6个关联规则  {底板,胶水}→{胶皮},  {底板,胶皮}→{胶水},  {胶皮,胶水}→{底板},  {底板}→{胶水, 胶皮},  {胶水}→{底板, 胶皮},  {胶皮}→{底板, 胶水}  箭头左边的集合称为“前件”右边集合称为“后件”根据前件会有较大概率推导出后件这个概率就是之前提到的置信度。需要注意的是如果A→B成立B→A不一定成立。  一个具有N个元素的频繁项集共有M个可能的关联规则  下图是一个频繁4项集的所有关联规则网格示意图   上图中深色区域表示低可信度规则如果012→3是一条低可信度规则则所有其它3为后件的规则都是低可信度。这需要从可信度的概念去理解Confidence(012→3) P(3|0,1,2)Confidence(01→23)P(2,3|0,1)P(3|0,1,2) P(2,3|0,1)。由此可以对关联规则做剪枝处理。  还是以上篇的超市交易数据为例我们发现了如下的频繁项集  对于寻找关联规则来说频繁1项集L1没有用处因为L1中的每个集合仅有一个数据项至少有两个数据项才能生成A→B这样的关联规则。  当最小置信度取0.5时L2最终能够挖掘出9条关联规则  从频繁3项集开始挖掘的过程就较为复杂。  假设有一个频繁4项集这是杜撰的文中的数据不能生成L4其挖掘过程如下  因为书中的代码假设购买商品是有顺序的所以在生成3后件时{P2,P4}和{P3,P4}并不能生成{P2,P23,P4}如果想去掉假设需要使用上篇中改进后的代码。  发掘关联规则的代码如下 1 #生成关联规则2 #L: 频繁项集列表3 #supportData: 包含频繁项集支持数据的字典4 #minConf 最小置信度5 def generateRules(L, supportData, minConf0.7):6 #包含置信度的规则列表7 bigRuleList []8 #从频繁二项集开始遍历9 for i in range(1, len(L)): 10 for freqSet in L[i]: 11 H1 [frozenset([item]) for item in freqSet] 12 if (i 1): 13 rulesFromConseq(freqSet, H1, supportData, bigRuleList, minConf) 14 else: 15 calcConf(freqSet, H1, supportData, bigRuleList, minConf) 16 return bigRuleList 17 18 19 # 计算是否满足最小可信度 20 def calcConf(freqSet, H, supportData, brl, minConf0.7): 21 prunedH [] 22 #用每个conseq作为后件 23 for conseq in H: 24 # 计算置信度 25 conf supportData[freqSet] / supportData[freqSet - conseq] 26 if conf minConf: 27 print(freqSet - conseq, --, conseq, conf:, conf) 28 # 元组中的三个元素前件、后件、置信度 29 brl.append((freqSet - conseq, conseq, conf)) 30 prunedH.append(conseq) 31 32 #返回后件列表 33 return prunedH 34 35 36 # 对规则进行评估 37 def rulesFromConseq(freqSet, H, supportData, brl, minConf0.7): 38 m len(H[0]) 39 if (len(freqSet) (m 1)): 40 Hmp1 aprioriGen(H, m 1) 41 # print(1,H, Hmp1) 42 Hmp1 calcConf(freqSet, Hmp1, supportData, brl, minConf) 43 if (len(Hmp1) 0): 44 rulesFromConseq(freqSet, Hmp1, supportData, brl, minConf)   由此可以看到apriori算法需要经常扫描全表效率并不算高。
http://wiki.neutronadmin.com/news/194958/

相关文章:

  • 使用网站效果图网站恶意注册
  • aso.net 网站开发wordpress修改谷歌
  • 上传wordpress到服务器网站的优化是什么意思
  • 昆明建站网站资讯平台用shopify 做网站
  • 桂林网站设计wordpress主题
  • 学代码的网站平面设计师赚钱吗
  • 营销型网站建设宣传语网站建设一意见
  • 搜索引擎优化关键词选择的方法有哪些二十条优化措施全文
  • 安徽网站设计app运营方式
  • 专业的模板建站企业外贸soho先做网站
  • 关于12380网站建设文件珠海公司做网站
  • 电商网站建设企业godaddy wordpress迁移
  • 厚街建设网站建筑公司网站被投诉违反广告法
  • 初级程序员与网站开发sap.net网站开发
  • 提高网站转化率东莞发布最新通告
  • 石家庄信息门户网站定制贵阳工程建设招聘信息网站
  • 公司的网站备案手续西安效果图制作
  • 用python做网站的公司上海网站建设哪个好
  • 建设的网站服务器茂名专业做网站
  • 如果网站没有做icp备案吗广西建设领域证书查询官方网站
  • 怎么对网站标注做记号哪个购物平台正品
  • flash网站开发框架wordpress百度蜘蛛只抓首页
  • 韩国风格网站江苏建设人才证书查询
  • 网站开发流程ppt自己怎么做点击量好的网站
  • 四川省建设厅注册管理中心网站十大app开发公司
  • 做ppt好的模板下载网站有哪些wordpress通栏
  • wordpress 建站赚钱怎么注册个人工作室
  • 国外设计网站导航专业单位网站设计企业
  • 建设小说网站风险分析网站维护升级
  • 公司建设网站费用吗新手 网站建设 书籍