Slide bài giảng môn Phân tích dữ liệu lớn về nội dung "Khai phá luật kết hợp"

Slide bài giảng môn Phân tích dữ liệu lớn về nội dung "Khai phá luật kết hợp" của Đại học Ngân hàng Thành phố Hồ Chí Minh với những kiến thức và thông tin bổ ích giúp sinh viên tham khảo, ôn luyện và phục vụ nhu cầu học tập của mình cụ thể là có định hướng ôn tập, nắm vững kiến thức môn học và làm bài tốt trong những bài kiểm tra, bài tiểu luận, bài tập kết thúc học phần, từ đó học tập tốt và có kết quả cao cũng như có thể vận dụng tốt những kiến thức mình đã học vào thực tiễn cuộc sống. Mời bạn đọc đón xem!

Thông tin:
16 trang 11 tháng trước

Bình luận

Vui lòng đăng nhập hoặc đăng ký để gửi bình luận.

Slide bài giảng môn Phân tích dữ liệu lớn về nội dung "Khai phá luật kết hợp"

Slide bài giảng môn Phân tích dữ liệu lớn về nội dung "Khai phá luật kết hợp" của Đại học Ngân hàng Thành phố Hồ Chí Minh với những kiến thức và thông tin bổ ích giúp sinh viên tham khảo, ôn luyện và phục vụ nhu cầu học tập của mình cụ thể là có định hướng ôn tập, nắm vững kiến thức môn học và làm bài tốt trong những bài kiểm tra, bài tiểu luận, bài tập kết thúc học phần, từ đó học tập tốt và có kết quả cao cũng như có thể vận dụng tốt những kiến thức mình đã học vào thực tiễn cuộc sống. Mời bạn đọc đón xem!

106 53 lượt tải Tải xuống
lOMoARcPSD|36667950
NI DUNG
Gii thiu bài toán phân tích gi hàng
Lut kết hp
Mt s
Tp mục thường xuyên
Tng quan v bài toán khai phá lut kết hp
Thut toán Apriori
Sinh lut kết hp
Ni dung m rng
ng dn thc hành
… những bước chp chng vào thế gii D liu ln … TS. Trnh Hoàng Nam
lOMoARcPSD|36667950
BÀI TOÁN PHÂN TÍCH GI HÀNG
Nhng mặt hàng nào thường ược khách hàng mua cùng
nhau trong cùng 1 ln mua hàng?
Nhà qun tr có th làm gì?
Thiết kế gian hàng
Lên kế hoch bán gim giá cho mt hàng/nhóm hàng
Lên kế hoch tiếp th/các chiến lược qung cáo
… những bước chp chng vào thế gii D liu ln … TS. Trnh Hoàng Nam
lOMoARcPSD|36667950
LUT KT HP
Mt s ví d
98% khách hàng mua tp chí th thao u mua các tp chí v ôtô
S kết hp gia “tp chí th thao” với “tạp chí v ôtô”
60% khách hàng mua bia ti siêu th ều mua bơ
S kết hp giữa “bia” và “bơ”
70% người dùng vào a ch ABC cũng vào a ch XYZ trong mt phiên
truy nhp web
S kết hp giữa “ABC” và “XYZ”
… những bước chp chng vào thế gii D liu ln … TS. Trnh Hoàng Nam
LUT KT HP
Khái nim (association rule)
Cho 𝐼={𝐼
1
, 𝐼
2
, …, 𝐼
𝐼
} là mt tp các mc (mt hàng)
Cho D mt tp các giao dch mi giao dch T làmt tp các
mc, 𝐼𝐼 (tập hóa ơn mua hàng)
• Mỗi giao dch có mt mã nh danh riêng gi là TID
Cho A mt tp các mc (mt hàng). Mt giao dịch Tược gi
cha A khi và ch khi 𝐼𝐼
Mt lut kết hp ược din ạt dưới hình thc 𝐼 𝐼, vi 𝐼𝐼, 𝐼𝐼, và
𝐼∩𝐼= (nếu mua A thì mua B)
… những bước chp chng vào thế gii D liu ln … TS. Trnh Hoàng Nam
lOMoARcPSD|36667950
LUT KT HP
Tiêu chí o lường
Lut 𝐼𝐼 trong tp D có h tr (support, s), vi s là phần trăm số
giao dch trong D cha 𝐼𝐼, (c A và B)
support(𝐼𝐼) = P(𝐼𝐼)
Lut 𝐼𝐼 trong tp D có tin cy (confidence, c), vi c phần trăm
giao dch trong D có chứa A thì cũng chứa B
confidence(𝐼𝐼) = P(B|A)
Nhng lut kết hp tha mãn h tr ti thiu (min_sup) và tin
cy ti thiểu (min_conf) ược gi là các lut mnh
… những bước chp chng vào thế gii D liu ln … TS. Trnh Hoàng Nam
TP MỤC THƯỜNG XUYÊN
Khái nim (Frequent itemset)
Mt tp hp cha k mục ược gi là mt k-itemset Ví d:
{computer, antivirus_software} là mt 2-itemset
{banana, milk, bread} là mt 3-itemset
Tn sut xut hin ca mt tp mc s giao dch cha tpmc ó
(frequency, support count, count)
Nếu h tr (support) ca mt tp mc I lớn hơn hoặc bng h tr ti
thiểu (min_sup) thì I ươc gọi là mt tp mục thường xuyên.
Tp hp các k-itemset thường xuyên ược ký hiu là 𝐼_𝐼.
… những bước chp chng vào thế gii D liu ln … TS. Trnh Hoàng Nam
lOMoARcPSD|36667950
BÀI TOÁN KHAI PHÁ LUT KT HP
Phát biu
Nếu xem tp cha tt c các mc (hay các mặt hàng)tương t
như một nhà kho hay ca hàng thì mi mc (mt hàng) s mt
biến kiu logic (Boolean) th hin s có hàng hay hết hàng ca chính
mt hàng ó
Khi ó mi gi hàng (basket) có th ưc biu din bng mt vector
giá tr logic, th hin s hin din ca mt hàng ó trong gi hàng
(có/không)
Các vector này th ược phân tích tìm ra các mu hành vi mua
hàng phn ánh nhng mặt hàng nào thường ược mua cùng nhau
… những bước chp chng vào thế gii D liu ln … TS. Trnh Hoàng Nam
BÀI TOÁN KHAI PHÁ LUT KT HP
TID
A
B
C
D
E
10
1
1
1
0
0
11
1
0
1
0
0
12
1
0
1
1
0
13
0
1
1
0
1
14
1
0
1
0
1
TID
Items
10
A,B,C
11
A,C
12
A,C,D
13
B,C,E
14
A,C,E
lOMoARcPSD|36667950
1. Tìm tt c các tp mục thường gặp (thường xuyên): Mi
itemset ược gi là tp mục thường xuyên nếu h tr ca ln
hơn hoặc bng min_sup
2. To các lut kết hp mnh t các tp mục thường xuyên: Lut
kết hp mnh phi h tr tin cy lớn hơn min_sup
min_conf tương ứng.
… những bước chp chng vào thế gii D liu ln … TS. Trnh Hoàng Nam
BÀI TOÁN KHAI PHÁ LUT KT HP
Tp mc I={i
1
, …, i
k
}.
CSDL giao dch D = {d I}
A, B I, A B= : A B là lut kết hp Bài
toán tìm lut kết hp:
Cho trước h tr ti thiu s>0, tin cy ti
thiếu c>0. Hãy tìm mi lut kết hp mnh
X Y.
Tid
Items bought
10
Beer, Nuts, Diaper
20
Beer, Coffee, Diaper
30
Beer, Diaper, Eggs
40
Nuts, Eggs, Milk
50
Nuts, Coffee, Diaper, Eggs, Milk
Customer
buys
diaper
Gi s min_support = 50%, min_conf = 50%:
Freq. Pat.: Beer:3, Nuts:3, Diaper:4, Eggs:3,
{Beer, Diaper}:3
Beer Diaper (60%, 100%)
Diaper Beer (60%, 75%)
Ch ra các lut kết hp còn
li
… những bước chp chng vào thế gii D liu ln … TS. Trnh Hoàng Nam
lOMoARcPSD|36667950
BÀI TOÁN KHAI PHÁ LUT KT HP
Vi lut A C
support = support({A,C}) = 50%
Min. support 50%
Min. confidence 50%
Transaction-id
Items bought
10
A, B, C
20
A, C
30
A, D
40
B, E, F
Frequent pattern
Support
{A}
75%
{B}
50%
{C}
50%
{A, C}
50%
lOMoARcPSD|36667950
confidence = support({A,C})/support({A}) = 66.6%
… những bước chp chng vào thế gii D liu ln … TS. Trnh Hoàng Nam
THUT TOÁN APRIORI
Tng quan
Do R. Agrawal và R. Srikant gii thiệu năm 1994
Khai phá các tp mục thường xuyên cho các lut kếthp dng
Boolean.
Chiến lược lp: các k-itemset ược s dng kho sát các (k + 1)-
itemset
Khai phá lut kết hp gồm hai bước
Tìm mi tp ph biến: theo min-sup
Sinh lut mnh t tp ph biến
… những bước chp chng vào thế gii D liu ln … TS. Trnh Hoàng Nam
lOMoARcPSD|36667950
THUT TOÁN APRIORI
Nguyên lý
Mi tp con ca tp ph biến cũng là tập ph biến
Nếu {bia, bm, hnh nhân} ph biến thì {bia, bm} hay giaodch
cha {bia, bm, hạnh nhân} cũng chứa {bia, bm}
Vi mi tp mc không ph biến thì mi tp bao không cnphi sinh
ra/kim tra!
Phương pháp:
Sinh các tp mc ng viên dài (k+1) t các tp ph biến dài k
dài tp mc là s phn t ca nó),
Kim tra các tp ng viên theo CSDL
… những bước chp chng vào thế gii D liu ln … TS. Trnh Hoàng Nam
THUT TOÁN APRIORI
Nguyên tc quy hoch ng
T các tp F
i
= {c
i
| c
i
tp ph biến, |c
i
| = i} gm mi tp ph biến
dài i với 1 ≤ i ≤ k,
Tìm tp F
k+1
gm mi tp ph biến có dài k+1.
Trong thut toán, các tên mc i
1
, i
2
, … i
n
ược sp xếp theo
mt th t c ịnh (thường ược ánh ch s 1, 2, ..., n)
… những bước chp chng vào thế gii D liu ln … TS. Trnh Hoàng Nam
lOMoARcPSD|36667950
THUT TOÁN APRIORI
… những bước chp chng vào thế gii D liu ln … TS. Trnh Hoàng Nam
THUT TOÁN APRIORI
Gii thích
Trong mỗi bước k, thut toán Apriori u phi duyt CSDL D
Khi ng, duyt D ược F
1
.
Các bước k sau ó, duyt D tính s lượng giao dch t tho tng
ng viên c ca C
k+1
: mi giao dch t ch xem xét mt ln cho mi ng
viên c thuc C
k+1
.
Th tc con Apriori-gen sinh tp ph biến
… những bước chp chng vào thế gii D liu ln … TS. Trnh Hoàng Nam
lOMoARcPSD|36667950
THUT TOÁN APRIORI
Th tc con Apriori-gen sinh tp ph biến
… những bước chp chng vào thế gii D liu ln … TS. Trnh Hoàng Nam
lOMoARcPSD|36667950
THUT TOÁN APRIORI
Chú ý
Cách thc sinh các ng viên:
c 1: T kết ni Lk
c 2: Ct ta
Cách thc
Ví d th tc con sinh ng viên
L3={abc, abd, acd, ace, bcd}
T kết ni: L3*L3
abcd t abc và abd
acde t acd và ace
Ta
acde là b
C4={abcd}
… những bước chp chng vào thế gii D liu ln … TS. Trnh Hoàng Nam
THUT TOÁN APRIORI
Ví d (min_sup*|D|=2)
… những bước chp chng vào thế gii D liu ln … TS. Trnh Hoàng Nam
lOMoARcPSD|36667950
THUT TOÁN APRIORI
Sinh lut kết hp
ược hãy sinh ra mi tp con thc
s X khác rng ca nó.
Vi mi tp ph biến W và tp con X khác rng thc s ca nó:
Sinh lut X (W X) nếu P(W-X|X) c.
… những bước chp chng vào thế gii D liu ln … TS. Trnh Hoàng Nam
THUT TOÁN APRIORI
L3 = {{I1,
I2, I3}, {I1,
I2, I5}}
min_conf=70%, tp ph biến
ây:
… những bước chp chng vào thế gii D liu ln … TS. Trnh Hoàng Nam
lOMoARcPSD|36667950
S DNG WEKA EXPLORER
… những bước chp chng vào thế gii D liu ln … TS. Trnh Hoàng Nam
S DNG WEKA EXPLORER
… những bước chp chng vào thế gii D liu ln … TS. Trnh Hoàng Nam
lOMoARcPSD|36667950
S DNG WEKA EXPLORER
… những bước chp chng vào thế gii D liu ln … TS. Trnh Hoàng Nam
S DNG WEKA EXPLORER
… những bước chp chng vào thế gii D liu ln … TS. Trnh Hoàng Nam
lOMoARcPSD|36667950
S DNG WEKA EXPLORER
… những bước chp chng vào thế gii D liu ln … TS. Trnh Hoàng Nam
| 1/16

Preview text:

lOMoARcPSD| 36667950 NỘI DUNG
• Giới thiệu bài toán phân tích giỏ hàng • Luật kết hợp • Một số ộ
• Tập mục thường xuyên
• Tổng quan về bài toán khai phá luật kết hợp • Thuật toán Apriori • Sinh luật kết hợp • Nội dung mở rộng
• Hướng dẫn thực hành
… những bước chập chững vào thế giới Dữ liệu lớn … TS. Trịnh Hoàng Nam lOMoARcPSD| 36667950
BÀI TOÁN PHÂN TÍCH GIỎ HÀNG
•Những mặt hàng nào thường ược khách hàng mua cùng
nhau trong cùng 1 lần mua hàng?
•Nhà quản trị có thể làm gì? – Thiết kế gian hàng
– Lên kế hoạch bán giảm giá cho mặt hàng/nhóm hàng
– Lên kế hoạch tiếp thị/các chiến lược quảng cáo
… những bước chập chững vào thế giới Dữ liệu lớn … TS. Trịnh Hoàng Nam lOMoARcPSD| 36667950 LUẬT KẾT HỢP •Một số ví dụ
– 98% khách hàng mua tạp chí thể thao ều mua các tạp chí về ôtô
• Sự kết hợp giữa “tạp chí thể thao” với “tạp chí về ôtô”
– 60% khách hàng mua bia tại siêu thị ều mua bơ
• Sự kết hợp giữa “bia” và “bơ”
– 70% người dùng vào ịa chỉ ABC cũng vào ịa chỉ XYZ trong một phiên truy nhập web
• Sự kết hợp giữa “ABC” và “XYZ”
… những bước chập chững vào thế giới Dữ liệu lớn … TS. Trịnh Hoàng Nam LUẬT KẾT HỢP
•Khái niệm (association rule)
– Cho 𝐼={𝐼1, 𝐼2, …, 𝐼𝐼} là một tập các mục (mặt hàng)
– Cho D là một tập các giao dịch mà mỗi giao dịch T làmột tập các
mục, 𝐼⊆𝐼 (tập hóa ơn mua hàng)
• Mỗi giao dịch có một mã
ịnh danh riêng gọi là TID
– Cho A là một tập các mục (mặt hàng). Một giao dịch Tược gọi là
chứa A khi và chỉ khi 𝐼⊆𝐼
– Một luật kết hợp ược diễn ạt dưới hình thức 𝐼 ⇒𝐼, với 𝐼⊂𝐼, 𝐼⊂𝐼, và
𝐼∩𝐼=∅ (nếu mua A thì mua B)
… những bước chập chững vào thế giới Dữ liệu lớn … TS. Trịnh Hoàng Nam lOMoARcPSD| 36667950 LUẬT KẾT HỢP •Tiêu chí o lường
– Luật 𝐼⇒𝐼 trong tập D có ộ hỗ trợ (support, s), với s là phần trăm số
giao dịch trong D chứa 𝐼∪𝐼, (cả A và B)
support(𝐼⇒𝐼) = P(𝐼∪𝐼)
– Luật 𝐼⇒𝐼 trong tập D có ộ tin cậy (confidence, c), với c là phần trăm
giao dịch trong D có chứa A thì cũng chứa B
confidence(𝐼⇒𝐼) = P(B|A)
Những luật kết hợp thỏa mãn ộ hỗ trợ tối thiểu (min_sup) và ộ tin
cậy tối thiểu (min_conf) ược gọi là các luật mạnh
… những bước chập chững vào thế giới Dữ liệu lớn … TS. Trịnh Hoàng Nam TẬP MỤC THƯỜNG XUYÊN
• Khái niệm (Frequent itemset)
– Một tập hợp chứa k mục ược gọi là một k-itemset – Ví dụ:
• {computer, antivirus_software} là một 2-itemset
• {banana, milk, bread} là một 3-itemset
– Tần suất xuất hiện của một tập mục là số giao dịch chứa tậpmục ó
(frequency, support count, count)
– Nếu ộ hỗ trợ (support) của một tập mục I lớn hơn hoặc bằng ộ hỗ trợ tối
thiểu (min_sup) thì I ươc gọi là một tập mục thường xuyên.
– Tập hợp các k-itemset thường xuyên
ược ký hiệu là 𝐼_𝐼.
… những bước chập chững vào thế giới Dữ liệu lớn … TS. Trịnh Hoàng Nam lOMoARcPSD| 36667950
BÀI TOÁN KHAI PHÁ LUẬT KẾT HỢP •Phát biểu
– Nếu xem tập chứa tất cả các mục (hay các mặt hàng)tương tự
như một nhà kho hay cửa hàng thì mỗi mục (mặt hàng) sẽ có một
biến kiểu logic (Boolean) thể hiện sự có hàng hay hết hàng của chính mặt hàng ó
– Khi ó mỗi giỏ hàng (basket) có thể ược biểu diễn bằng một vector
giá trị logic, thể hiện sự hiện diện của mặt hàng ó trong giỏ hàng (có/không)
– Các vector này có thể ược phân tích ể tìm ra các mẫu hành vi mua
hàng phản ánh những mặt hàng nào thường ược mua cùng nhau
… những bước chập chững vào thế giới Dữ liệu lớn … TS. Trịnh Hoàng Nam TID A B C D E 10 1 1 1 0 0 11 1 0 1 0 0 12 1 0 1 1 0 TID Items 13 0 1 1 0 1 10 A,B,C 14 1 0 1 0 1 11 A,C 12 A,C,D 13 B,C,E 14 A,C,E
BÀI TOÁN KHAI PHÁ LUẬT KẾT HỢP lOMoARcPSD| 36667950
1. Tìm tất cả các tập mục thường gặp (thường xuyên): Mỗi
itemset ược gọi là tập mục thường xuyên nếu ộ hỗ trợ của nó lớn hơn hoặc bằng min_sup
2. Tạo các luật kết hợp mạnh từ các tập mục thường xuyên: Luật
kết hợp mạnh phải có ộ hỗ trợ và ộ tin cậy lớn hơn min_sup và min_conf tương ứng.
… những bước chập chững vào thế giới Dữ liệu lớn … TS. Trịnh Hoàng Nam
BÀI TOÁN KHAI PHÁ LUẬT KẾT HỢP Tid Items bought Tập mục I={i1, …, ik}. CSDL giao dịch D = {d I} 10 Beer, Nuts, Diaper
A, B I, A B= : A B là luật kết hợp Bài 20 Beer, Coffee, Diaper
toán tìm luật kết hợp: 30 Beer, Diaper, Eggs
Cho trước ộ hỗ trợ tối thiểu s>0, ộ tin cậy tối 40 Nuts, Eggs, Milk
thiếu c>0. Hãy tìm mọi luật kết hợp mạnh 50
Nuts, Coffee, Diaper, Eggs, Milk X Y. Customer
Giả sử min_support = 50%, min_conf = 50%:
Freq. Pat.: Beer:3, Nuts:3, Diaper:4, Eggs:3, {Beer, Diaper}:3 Beer Diaper (60%, 100%) Diaper Beer (60%, 75%) buys diaper
Chỉ ra các luật kết hợp còn lại
… những bước chập chững vào thế giới Dữ liệu lớn … TS. Trịnh Hoàng Nam lOMoARcPSD| 36667950 Min. support 50% Min. confidence 50% Transaction-id Items bought 10 A, B, C 20 A, C 30 A, D 40 B, E, F Frequent pattern Support {A} 75% {B} 50% {C} 50% {A, C} 50%
BÀI TOÁN KHAI PHÁ LUẬT KẾT HỢP •Với luật A C
– support = support({A,C}) = 50% lOMoARcPSD| 36667950
– confidence = support({A,C})/support({A}) = 66.6%
… những bước chập chững vào thế giới Dữ liệu lớn … TS. Trịnh Hoàng Nam THUẬT TOÁN APRIORI •Tổng quan
– Do R. Agrawal và R. Srikant giới thiệu năm 1994
– Khai phá các tập mục thường xuyên cho các luật kếthợp dạng Boolean.
– Chiến lược lặp: các k-itemset ược sử dụng ể khảo sát các (k + 1)- itemset
•Khai phá luật kết hợp gồm hai bước
– Tìm mọi tập phổ biến: theo min-sup
– Sinh luật mạnh từ tập phổ biến
… những bước chập chững vào thế giới Dữ liệu lớn … TS. Trịnh Hoàng Nam lOMoARcPSD| 36667950 THUẬT TOÁN APRIORI • Nguyên lý
– Mọi tập con của tập phổ biến cũng là tập phổ biến
– Nếu {bia, bỉm, hạnh nhân} là phổ biến thì {bia, bỉm} hay giaodịch
chứa {bia, bỉm, hạnh nhân} cũng chứa {bia, bỉm}
– Với mọi tập mục không phổ biến thì mọi tập bao không cầnphải sinh ra/kiểm tra! • Phương pháp:
– Sinh các tập mục ứng viên dài (k+1) từ các tập phổ biến cóộ dài k
(Độ dài tập mục là số phần tử của nó),
– Kiểm tra các tập ứng viên theo CSDL
… những bước chập chững vào thế giới Dữ liệu lớn … TS. Trịnh Hoàng Nam THUẬT TOÁN APRIORI •Nguyên tắc quy hoạch ộng
– Từ các tập Fi = {ci| ci tập phổ biến, |ci| = i} gồm mọi tập phổ biến
có ộ dài i với 1 ≤ i ≤ k,
– Tìm tập Fk+1 gồm mọi tập phổ biến có ộ dài k+1.
•Trong thuật toán, các tên mục i1, i2, … in ược sắp xếp theo
một thứ tự cố ịnh (thường ược ánh chỉ số 1, 2, ..., n)
… những bước chập chững vào thế giới Dữ liệu lớn … TS. Trịnh Hoàng Nam lOMoARcPSD| 36667950 THUẬT TOÁN APRIORI
… những bước chập chững vào thế giới Dữ liệu lớn … TS. Trịnh Hoàng Nam THUẬT TOÁN APRIORI •Giải thích
– Trong mỗi bước k, thuật toán Apriori ều phải duyệt CSDL D
– Khởi ộng, duyệt D ể có ược F1.
– Các bước k sau ó, duyệt D ể tính số lượng giao dịch t thoả từng
ứng viên c của Ck+1: mỗi giao dịch t chỉ xem xét một lần cho mọi ứng viên c thuộc Ck+1.
– Thủ tục con Apriori-gen sinh tập phổ biến
… những bước chập chững vào thế giới Dữ liệu lớn … TS. Trịnh Hoàng Nam lOMoARcPSD| 36667950 THUẬT TOÁN APRIORI
•Thủ tục con Apriori-gen sinh tập phổ biến
… những bước chập chững vào thế giới Dữ liệu lớn … TS. Trịnh Hoàng Nam lOMoARcPSD| 36667950 THUẬT TOÁN APRIORI • Chú ý
– Cách thức sinh các ứng viên:
• Bước 1: Tự kết nối Lk • Bước 2: Cắt tỉa – Cách thức
– Ví dụ thủ tục con sinh ứng viên
• L3={abc, abd, acd, ace, bcd} • Tự kết nối: L3*L3 – abcd từ abc và abd – acde từ acd và ace • Tỉa – acde là bỏ • C4={abcd}
… những bước chập chững vào thế giới Dữ liệu lớn … TS. Trịnh Hoàng Nam THUẬT TOÁN APRIORI •Ví dụ (min_sup*|D|=2)
… những bước chập chững vào thế giới Dữ liệu lớn … TS. Trịnh Hoàng Nam lOMoARcPSD| 36667950 THUẬT TOÁN APRIORI •Sinh luật kết hợp
ược hãy sinh ra mọi tập con thực
sự X khác rỗng của nó.
• Với mỗi tập phố biến W và tập con X khác rỗng thực sự của nó:
• Sinh luật X (W – X) nếu P(W-X|X) c.
… những bước chập chững vào thế giới Dữ liệu lớn … TS. Trịnh Hoàng Nam THUẬT TOÁN APRIORI •L3 = {{I1, I2, I3}, {I1, I2, I5}}
min_conf=70%, tập phổ biến ây:
… những bước chập chững vào thế giới Dữ liệu lớn … TS. Trịnh Hoàng Nam lOMoARcPSD| 36667950 SỬ DỤNG WEKA EXPLORER
… những bước chập chững vào thế giới Dữ liệu lớn … TS. Trịnh Hoàng Nam SỬ DỤNG WEKA EXPLORER
… những bước chập chững vào thế giới Dữ liệu lớn … TS. Trịnh Hoàng Nam lOMoARcPSD| 36667950 SỬ DỤNG WEKA EXPLORER
… những bước chập chững vào thế giới Dữ liệu lớn … TS. Trịnh Hoàng Nam SỬ DỤNG WEKA EXPLORER
… những bước chập chững vào thế giới Dữ liệu lớn … TS. Trịnh Hoàng Nam lOMoARcPSD| 36667950 SỬ DỤNG WEKA EXPLORER
… những bước chập chững vào thế giới Dữ liệu lớn … TS. Trịnh Hoàng Nam