數據挖掘中有哪些不同的模式評估措施？
[英]What are the different pattern evaluation measures in data mining?
問題描述
在數據挖掘中，使用不同的算法（例如Apriori算法，FP-Tree等）發現頻繁項集。那么這些模式評估方法嗎？
2 個解決方案
解決方案1
1 已采納 2015-05-27 13:33:53
您可以嘗試關聯規則（例如apriori），協作過濾（基於項目或基於用戶）甚至是群集。
我不知道您要做什么，但是如果您有數據集並且需要找到最頻繁的項目集，則應該嘗試上述一些技巧。
如果您使用的是R，則應瀏覽arules包以獲取關聯規則（例如）。
解決方案2
0 2019-02-09 16:43:38
Apriori算法和FP-tree算法用於查找給定交易數據的頻繁項集。 這將有助於市場分析應用。 對於模式評估，有很多組件，即：
- 支持，
- 置信度，
- 電梯，
- 不平衡率等
可以在本文中看到更多詳細信息：
Pang Ning Tan，Vipin Kumar，Jaideep Srivastava，KDD 2002為關聯模式選擇正確的興趣度度量。
如何使用機器學習算法識別URL中的新模式（文本挖掘）
[英]How to identify a new pattern in a URL with a machine learning algorithm (Text mining)
聲明:本站的技術帖子網頁，遵循CC BY-SA 4.0協議，如果您需要轉載，請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.