【发布时间】：2011-04-29 14:21:59
【问题描述】：
我正在挖掘一些数据。 我想节省时间。 那么有什么方法吗？
【问题讨论】：
标签： apriori
【发布时间】：2011-04-29 14:21:59
【问题描述】：
如果您正在挖掘数据并且想要节省时间，您应该考虑使用 FPGrowth 而不是尝试优化 Apriori。
即使你优化了 Apriori，它也不会像 FPGrowth 的良好实现那样快。
Apriori 很重要，因为它是频繁项集挖掘和关联挖掘的第一个算法。但是现在有一些更有效的算法。
【讨论】：
-
使用正确的编程语言（例如：使用 VB 可能是灾难性的）
-
制定您需要的信息并相应地编写程序代码
-
根据需要减小数据库大小或准备数据库
-
超级计算机（是的，硬件确实很重要，开玩笑说你需要一台好的计算机，尤其是处理非常大的数据集）
-
通过以下方式改进 Apriori 算法本身：
•基于散列的项集计数：对应的散列桶计数低于阈值的k项集不可能是频繁的。
•事务减少：不包含任何频繁k项的事务在后续扫描中无用。
•分区：任何可能在DB中频繁出现的项集必须至少在DB的一个分区中频繁出现。
•抽样：对给定数据的子集进行挖掘，降低支持阈值+确定完整性的方法。
•动态项集计数：仅当估计其所有子集都为频繁时才添加新的候选项集。
【讨论】：