data-mining - 长度为 2 的项目集的模式挖掘

Question

我正在寻找关联挖掘算法，我只能挖掘长度为 2 的频繁项集。在 2 项集停止时使用数据库查询来计算频繁项是否更好。

Answer 1

如果您的输入是一个文本文件并且您只想找到长度为 2 的项集，您可以只扫描文件一次并计算 2-itemsets 直接的支持。这将非常有效。

对于这种情况，您不需要使用 Apriori FPGrowth 或任何其他花哨的算法。您可以在文件上使用 FOR 循环并使用映射来存储扫描文件时遇到的每对项目的频率。

然后当扫描结束时，您将获得两个项目集的所有支持，并且您只能输出支持> = minsup的那些。

另一种方法是使用三角矩阵而不是地图来计算每对项目的支持度。它会比使用地图快一点，但如果您的数据稀疏，它可能会浪费更多内存。

Answer 2

长度为 2 的项集不会受益于剪枝规则，例如单调性。

您可能可以使用聪明JOIN的 s 计算 2 个项目集，而性能成本很低（事实上，您的 DBMS 可能会比您自己的代码更好地加速它）。

有关通过 SQL 在 PostgreSQL 数据库上运行频繁项集挖掘的库，请参阅MadLIB。