數(shù)據(jù)挖掘需要挖掘事物之間的關聯(lián)性，A-Priori是一個購物籃模型，實質上是一個教你快速統(tǒng)計頻繁項集的方法，其根據(jù)頻繁項集的單調性，來減少掃描的次數(shù)

比如我有很多購物籃，每個籃子里有若干物品，如{青菜，黃瓜}{黃瓜，蘑菇，冬筍}{面條，醬油}{苗條，青菜}

我要推斷那些物品會同時出現(xiàn)，這樣方便推薦，或者說我能發(fā)現(xiàn)哪些物品之間有一定的關聯(lián)性；A-Priori就是干這個的

這個算法比較簡單，就是一個掃描計數(shù)的過程，但是有兩點，

1）是要將物品編碼，便于節(jié)省空間；

2）是K+1頻繁項集的尋找要建立在K頻繁項集合的基礎上，比如我要找一個3頻繁項集合，那么我可以推斷，這3個項的任意兩項組合必然在之前找到的2頻繁項集合中；

及時踢掉一些不可能成為頻繁項集的成分，減少掃描次數(shù)；

凡是數(shù)據(jù)挖掘的算法重點不是在流程，而是在如何優(yōu)化過程，因為減少一步都能帶來巨大的效率，如何處理大數(shù)據(jù)！

總結

以上是生活随笔為你收集整理的数据挖掘（一）A-Priori的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內容還不錯，歡迎將生活随笔推薦給好友。