算法类简单总结 待续

Mine算法 

方法摘要：用网格判断数据的集中程度，集中程度意味着是否有关联关系

方法具有一般性，即无论数据是怎样分布的，不限于特定的关联函数类型，此判断方法都是有效

MIC

如果变量对x,y存在函数关系，则当样本数增加时，MIC必然趋向于1

如果变量对x,y可以由参数方程c(t)=[x(t),y(t)]所表达的曲线描画，则当样本数增加时，MIC必然趋于1

如果变量对x,y在统计意义下互相独立，则当样本数增加时，MIC趋于0

 

Apriori算法

挖掘数据集：购物篮数据

.挖掘目标：关联规则

.关联规则：牛奶=>鸡蛋【支持度=2%，置信度=60%】

.支持度：分析中的全部事务的2%同时购买了牛奶和鸡蛋

.置信度：购买了牛奶的筒子有60%也购买了鸡蛋

.最小支持度阈值和最小置信度阈值：由挖掘者或领域专家设定

 

 

lift=P(L,R)/(P(L)P(R)) 是一个类似相关系数的指标。

lift=1时表示L和R独立。这个数越大，越表明L和R存在在一个购物篮中不是偶然现象。

23

 

 

 

项集：项（商品）的集合

.k-项集：k个项组成的项集

.频繁项集：满足最小支持度的项集，频繁k-项集一般记为Lk

.强关联规则：满足最小支持度阈值和最小置信度阈值的规则