機械学習アルゴリズムは、一般的に相関ルールを使用します
協会は、アルゴリズムがビッグデータで相互に関連して見ることができ、アルゴリズムはルールベースの機械学習アルゴリズムであるルール。
:その目的は、にあるデータベースに存在し、強力なルールを区別するために、いくつかの指標を使用しています。その相関ルールマイニングは、教師なし機械学習法の一部であり、むしろ予想よりも、知識の発見です。
アルゴリズム名 | アルゴリズムの説明 |
---|---|
アプリオリ | 最も一般的に使用される協会の規則は、頻出アイテムセットをマイニングするための最も古典的なアルゴリズムであり、 核となるアイデアは、接続を介して彼らのサポートのための候補を生成して、剪定によって頻出アイテムセットを生成することです |
FP-ツリー | アプリオリアルゴリズムセットトランザクションデータスキャン複数に固有の欠陥は、提案された方法は、候補頻出アイテム集合を生成しません。 アプリオリとFP-Treeが頻出アイテムセットを見つけるためのアルゴリズムです。 |
エクラアルゴリズム | エクラアルゴリズムは、同値関係の使用に基づいて深さ優先アルゴリズム、垂直データ表現は、理論的なコンセプトに基づいて検索空間をより小さなサブ空間に分割され、接頭辞 |
グレー相関法 | 分析および因子、又は主な要因のサブ要素(サブシーケンス)の数(親配列)との貢献度と影響度を決定するための分析方法 |
推奨参考記事:
相関分析を使用してアプリオリアルゴリズム
https://blog.csdn.net/LaputaFallen/article/details/78609881
相関ルールとFP-ツリー
https://blog.csdn.net/lpsl1882/article/details/52593855
頻出アイテム集合マイニングアルゴリズム--Eclatアルゴリズム
https://blog.csdn.net/my_learning_road/article/details/79728389
理論と応用(MATLABとPython)のグレー関係分析(GRA)
https://blog.csdn.net/starter_____/article/details/82085040