Bài giảng Nhập môn Học máy và Khai phá dữ liệu: Chương 11 - Nguyễn Nhật Quang

Bài giảng Nhập môn Học máy và Khai phá dữ liệu: Chương 11, chương này cung cấp cho học viên những nội dung về: phát hiện luật kết hợp; bài toán phát hiện luật kết hợp; lattice biểu diễn các tập mục cần xét; các chiến lược sinh tập mục thường xuyên; giải thuật Apriori; các yếu tố ảnh hưởng độ phức tạp Apriori; . Mời các bạn cùng tham khảo chi tiết nội dung bài giảng! | Nhập môn Học máy và Khai phá dữ liệu IT3190 Nguyễn Nhật Quang Trường Đại học Bách Khoa Hà Nội Viện Công nghệ thông tin và truyền thông Năm học 2020-2021 Nội dung môn học Giới thiệu về Học máy và Khai phá dữ liệu Tiền xử lý dữ liệu Đánh giá hiệu năng của hệ thống Hồi quy Phân lớp Phân cụm Phát hiện luật kết hợp Bài toán phát hiện luật kết hợp Giải thuật Apriori Nhập môn Học máy và Khai phá dữ liệu Introduction to Machine learning and Data mining 2 Phát hiện các luật kết hợp Giới thiệu Bài toán phát hiện luật kết hợp Association rule mining Với một tập các giao dịch transactions cho trước cần tìm các luật dự đoán khả năng xuất hiện trong một giao dịch của các mục items này dựa trên việc xuất hiện của các mục khác TID Items Các ví dụ của luật kết hợp 1 Bread Milk Diaper Beer 2 Bread Diaper Beer Eggs Milk Bread Eggs Coke 3 Milk Diaper Beer Coke Beer Bread Milk 4 Bread Milk Diaper Beer 5 Bread Milk Diaper Coke Nhập môn Học máy và Khai phá dữ liệu Introduction to Machine learning and Data mining 3 Các định nghĩa cơ bản 1 Tập mục Itemset Một tập hợp gồm một hoặc nhiều mục Ví dụ Milk Bread Diaper TID Items Tập mục mức k k-itemset 1 Bread Milk Một tập mục gồm k mục 2 Bread Diaper Beer Eggs Tổng số hỗ trợ Support count 3 Milk Diaper Beer Coke Số lần xuất hiện của một tập mục 4 Bread Milk Diaper Beer Ví dụ Milk Bread Diaper 2 5 Bread Milk Diaper Coke Độ hỗ trợ Support s Tỷ lệ các giao dịch chứa một tập mục Ví dụ s Milk Bread Diaper 2 5 Tập mục thường xuyên Frequent large itemset Một tập mục mà độ hỗ trợ lớn hơn hoặc bằng một giá trị ngưỡng minsup Nhập môn Học máy và Khai phá dữ liệu Introduction to Machine learning and Data mining 4 Các định nghĩa cơ bản 2 Luật kết hợp Association TID Items rule 1 Bread Milk Một biểu thức kéo theo có 2 Bread Diaper Beer Eggs dạng X Y trong đó X và Y 3 Milk Diaper Beer Coke là các tập mục 4 Bread Milk Diaper Beer Ví dụ Milk Diaper Beer 5 Bread Milk Diaper Coke Các độ đo đánh giá luật Độ hỗ trợ Support s Milk .

Không thể tạo bản xem trước, hãy bấm tải xuống
TỪ KHÓA LIÊN QUAN
TÀI LIỆU MỚI ĐĂNG
Đã phát hiện trình chặn quảng cáo AdBlock
Trang web này phụ thuộc vào doanh thu từ số lần hiển thị quảng cáo để tồn tại. Vui lòng tắt trình chặn quảng cáo của bạn hoặc tạm dừng tính năng chặn quảng cáo cho trang web này.