项集分析

本算法基于有向项集图存储事务数据库中频繁项集信息，采用三叉链表结构组织有向项集图，并在此基础上提出最大频繁项集挖掘算法。该算法一次扫描事务数据库，有效减少I/O开销，适用于稀疏和稠密数据库的最大频繁项集挖掘。

FUMFS算法优化了最大频繁项集的维护，利用已有BitMatrix和最大频繁项集，有效地更新挖掘结果。

垂直数据格式挖掘频繁项集可避免生成候选频繁项集，进而节省CPU开销。

假设 l1 和 l2 是频繁 (k-1)-项集集合 Lk-1 中的两个项集，li[j] 表示项集 li 的第 j 个项。为简化讨论，假设事务或项集中的项按字典序排序。在执行 Lk-1 和 Lk-1 的连接操作 (Lk-1 ∞ Lk-1) 时，只有当 Lk-1 中的两个元素满足前 (k-2) 个项相同的前提条件时，才能进行连接。

传统的挖掘频繁项集的并行算法存在节点间负载不均衡、同步开销过大、通信量大等问题。针对这些挑战，提出了一种名为多次传送重新分配数据的并行算法（MRPD）。在MRPD算法中，第l步将数据库重新划分成多个组，并根据各节点的需求多次传送这些组。各节点在异步地计算完整组后，可以得到所有频繁项集。理论分析和实验结果均表明，MRPD算法在优化并行频繁项集挖掘中具有显著效果。

通过扫描数据库D，统计每个候选项出现的次数，得到项集支持度计数C1如下： | 项集 | 支持度 ||---|---|| {I1} | 6 || {I2} | 7 || {I3} | 6 || {I4} | 2 || {I5} | 2 |

Apriori算法是一种用于数据挖掘的经典算法，其核心目标是发现数据集中频繁出现的项集以及学习部分关联规则。 算法特点： 迭代式方法： Apriori算法采用逐层迭代的方式，从单个频繁项开始，逐步生成更大的频繁项集。 支持度阈值： 通过设定最小支持度阈值，筛选出满足条件的频繁项集，有效控制结果数量。 关联规则生成： 基于频繁项集，Apriori算法可以推导出“一对多”或“多对一”形式的部分关联规则。 局限性： 无法处理多对多关联规则： Apriori算法目前版本仅支持生成一对多或多对一形式的关联规则，对于更复杂的多对多关联规则尚待改进。

基于有序FP-tree的最大频繁项集挖掘 概念提出: 完全前缀路径、有序FP-tree 有序FP-tree构建: 根据数据项所在层级建立 数据表示: 利用有序FP-tree表示数据 算法提出: MFIM算法，利用有序FP-tree中的完全前缀路径进行最大频繁项集挖掘 算法优化: 利用完全前缀路径对挖掘算法进行优化 实验结果: 对于浓密数据集中的长模式挖掘具有良好性能

MFWSR:数据流上的频繁闭项集挖掘算法，陶克，王意洁，数据流上频繁项集挖掘是数据挖掘有效手段之一，是相联规则挖掘的重要基础。频繁闭项集挖掘的结果更简洁而又能保留所有频繁项集的结果。

基于 Python 数据挖掘的聚类实验，使用 Kiwitobes 的博客数据集，分析了单词在不同博客中的出现频率，并利用 K-means 算法对其进行了聚类。