欢迎光临超级机器人网站,专业制造,信誉卓著,十年优质保证

超级机器人

以诚信赢得用户,以品牌开拓市场

[多机器人协作围捕算法源码][源码和文档分享]基于Python实现的Apriori算法和FP-Growth算法的频繁项集挖掘的研究与实现

作者:jcmp      发布时间:2021-04-22      浏览量:0
摘 要 随着科技的快速发展

摘 要

随着科技的快速发展和存储技术的飞速提升,使得我们生活在了数据的海洋,各行各业都积累着海量数据。我们如何利用这些数据,发掘出隐藏在其中的有价值的信息是数据挖掘诞生的重要因素。上世纪90年代,沃尔玛在其海量交易数据中发现了经典的“啤酒与尿布的故事”,揭示了美国人的某种购物习惯,并根据该特点调整布局,利润大幅提升,该过程被称作“购物篮分析”。这是数据挖掘早期在实际应用中的成功案例,也是频繁项集挖掘的起源。

现如今,人们越来越重视隐藏在海量数据下的潜在价值,数据挖掘技术不断被运用到互联网、电信、金融、商业等领域。其中,频繁项集挖掘技术在商业领域的运用成为重要的研究课题。

以下是本篇论文的主要内容:

对频繁项集挖掘的有关概念以及理论做了具体的阐述;

详细介绍两类最经典的频繁项集挖掘算法:apriori算法和fp-growth算法;

分别实现这两个算法,详细介绍apriori如何迭代生成所有的频繁项集,fp-growth的fp-tree的构造过程以及如何通过fp-tree发掘频繁项集,根据频繁项集计算关联规则,对算法运行结果加以分析。

对比分析apriori算法和fp-growth算法各自的优缺点及适用场景。

关键词:数据挖掘;Apriori算法;FP-Growth算法;购物篮分析

点击源码下载