توضیحات
عنوان: الگوریتم‌های Apriori، EM و Adaboost در داده کاوی
- تعریف و مراحل اجرای الگوریتم Apriori
- مثالی از الگوریتم Apriori
- تعریف و مراحل اجرای الگوریتم EM
- مثالی از الگوریتم EM
- تعریف و مراحل اجرای الگوریتم Adaboost
- مثالی از الگوریتم Adaboost
همان‌طور که دیدید حتی در پایگاه داده‌های کوچک نیز، قوانین انجمنی متعددی وجود دارد.
بنابراین برای انتخاب قوانین مورد نظر، محدودیت‌هایی روی اندازه‌گیری‌های مختلف اعمال خواهد شد.
برخی از کاربردی‌ترین اندازه‌گیری‌ها، support, confidence, lift و است.conviction
- مراحل اجرای الگوریتم Apriori
یک مفهوم کلیدی در الگوریتم Apriori، غیرمونوتونی بودن اندازه‌گیری پشتیبانی یا support است که فرض می‌کند:
- تمام زیرمجموعه های اقلام مکرر باید مکرر باشند.
- به طور مشابه، برای هر آیتم غیرمکرر، زیرمجموعه‌های آن نیز باید غیرمکرر باشند.
- گام اول:
- ایجاد یک جدول فرکانس یا تعداد رخداد از تمام اقلامی که در تمام تراکنش‌ها رخ می‌دهد.
- گام دوم:
- تنها آیتم‌هایی حائز اهمیت هستند که مقدار پشتیبانی آن‌ها بیشتر یا برابر با مقدار آستانه پشتیبانی باشد.
- فرض کنید آستانه پشتیبانی 50% در نظر گرفته شود.
- گام سوم:
- تمامی جفت‌های ممکن از آیتم‌های باقی مانده را بدون در نظر گرفتن ترتیب ایجاد کنید.
- یعنی AB و BA یکسان در نظر گرفته می‌شود.
- گام چهارم:
- تعداد رخداد هر جفت در تمامی تراکنش‌ها را به دست آورید.
- گام پنجم:
- مجدداً تنها آیتم‌هایی حائز اهمیت هستند که تعداد رخداد آن‌ها از آستانه پشتیبانی بیشتر باشد.
- گام ششم:
- اکنون جفت‌های سه تایی که قابل خریدن هستند، انتخاب می‌شوند. برای این کار، قانونی تحت عنوان self-join مورد نیاز است.یعنی از میان جفت‌های موجود، جفت‌هایی که حرف اول آن‌ها یکسان است، در نظر گرفته می‌شود.
- گام هفتم:
- سپس تعداد دفعات تکرار این مجموعه‌های سه تایی را به دست می‌آوریم.
- گام هشتم:
- قانون حد آستانه را اعمال کرده و فقط مجموعه سه تایی OPB باقی می‌ماند.
توجه:
- برای دانلود فایل پاورپوینت لطفا اقدام به خرید فرمایید.
- پس از خرید بلافاصله لینک دانلود فایل برای شما ایمیل خواهد شد.
سفارش پاورپوینت دلخواه
به منظور سفارش پاورپوینت با جزئیات دلخواه خود بر روی کلید زیر کلیک نمایید.
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.