关联规则和动态关联规则简介

关联规则分析简介

关联分析挖掘大数据中相关联系，发现规律和模式，应用于商业决策。如购物篮分析、跨品类推荐、货架布局优化、联合促销等，提升销量、改善用户体验。

数据挖掘 11 2024-05-27

关联规则挖掘综述

关联规则挖掘该研究概述了关联规则挖掘技术的定义、分类、挖掘方法和模式。分析了关联规则挖掘质量的改善问题和领域应用。

数据挖掘 10 2024-05-19

挖掘多层关联规则

挖掘多层关联规则可找出层次化的关联规则，例如： 牛奶 → 面包 [20%, 60%] 酸奶 → 黄面包 [6%, 50%]

数据挖掘 12 2024-05-25

Apriori关联规则算法

Apriori算法是挖掘关联规则的经典算法，效率较高。本算法对Apriori算法进行了改进，提高了效率。

数据挖掘 9 2024-05-25

关联规则挖掘——Sequential Patterns

关联规则挖掘和顺序模式挖掘，欢迎深入了解！

数据挖掘 9 2024-05-13

关联规则观察-WEKA教程

在WEKA中观察关联规则，以发现项目集之间的联系和依赖关系。

Hadoop 11 2024-05-12

加权负关联规则挖掘

针对传统关联规则挖掘算法不能有效挖掘负关联规则的问题，该研究引入了负关联的理论，并提出了新的算法。

DB2 9 2024-04-30

关联规则思维导图

关联规则思维导图

算法与数据结构 10 2024-05-20

关联规则数据挖掘算法

Apriori算法Apriori算法是关联规则数据挖掘算法的代表，它使用迭代的方法生成候选频繁项集，并使用支持度和置信度阈值来过滤非频繁项集。 Apriori算法的改进Apriori算法的改进版本包括：- FP-Growth算法：使用了一种基于FP树的数据结构，可以更高效地生成频繁项集。- Eclat算法：采用了一种基于集合论的方法，可以并行生成频繁项集。- PrefixSpan算法：专用于序列数据，可以发现序列模式。

数据挖掘 8 2024-05-25