频繁模式挖掘的模式评估方法
来源:互联网 发布:路由器映射加端口号 编辑:程序博客网 时间:2024/05/17 07:42
频繁模式挖掘可以出很多模式,但是判断一个模式是否有趣,需要用到模式的评估方法。下面介绍常用的模式评估方法。(假设项集A、B)
1、支持度
包含项集A和B的项的元组数与所有元组数的比值,一般计为P(A∪B)。
2、置信度
模式A--> B的置信度为P(B|A)
3、提升度
lift(A, B)= P(A∪B)/(P()*P(B)),提升度大于1为正相关,小于1为负相关,等于1为独立。
4、卡方度量
5、全置信度
all_conf(A, B) = min{P(A|B), P(B|A)}
6、最大置信度
max_conf(A, B) = max{P(A|B), P(B|A)}
7、Kulczynski度量
Kulc(A, B) = 1/(2*(P(A|B) + P(B|A)
8、余弦度量
cosine = sqrt(P(A|B) * P(B|A))
这些度量中,只有提升度和卡方度量不是零不变度量,但是其他度量也会面临不平衡问题,为此,引入不平衡比:
其中,sup表示置信度。
阅读全文
0 0
- 频繁模式挖掘的模式评估方法
- 频繁模式挖掘总结
- 频繁模式挖掘
- 频繁模式挖掘 Apriori
- Apriori算法:频繁模式挖掘
- 频繁模式挖掘-Apriori算法
- 频繁模式挖掘 Apri算法
- 挖掘频繁模式、关联和相关性:基本概念和方法
- 挖掘频繁模式、关联和相关性:基本概念和方法
- 关联规则挖掘-频繁模式挖掘
- 利用mahout自带的fpgrowth算法挖掘频繁模式
- 《Data Mining》学习——关联规则挖掘的模式评估方法
- 【读书笔记-数据挖掘概念与技术】挖掘频繁模式、关联和相关性:基本概念和方法
- 【数据挖掘笔记六】挖掘频繁模式、关联和相关性:基本概念和方法
- MAX-MINER 频繁模式挖掘 Apriori算法
- 频繁模式挖掘(Frequent Pattern Mining)
- 频繁模式挖掘Apriori初学详解
- 频繁模式挖掘Apriori算法详解
- 字符串排序
- RxEasyHttp网络库简介(一)
- 多字节之通用对话框_读写文件
- JAVA实现AES加密
- 黑匣子——KEY
- 频繁模式挖掘的模式评估方法
- Camera
- ROS教程(十四):测试简单的Service和Client
- RxEasyHttp网络库初始化与配置(二)
- 不相邻的组合
- jQuery实现元素交替显示隐藏
- Centos7+Apache申请颁发证书
- RxEasyHttp网络库请求数据(三)
- SQL语句备忘