在本篇文章中,我們主要介紹掃描分發(fā)的內(nèi)容,自我感覺(jué)有個(gè)不錯(cuò)的建議和大家分享下

????

Apriori核心算法程過(guò)如下：

????

1. 掃描數(shù)據(jù)集合盤(pán)算出各個(gè)1項(xiàng)集的持支度，得 到頻仍1項(xiàng)集的集合。
2. 接連，由2個(gè)只有一個(gè)項(xiàng)不同的屬于的頻集做一 個(gè)（k-2）JOIN運(yùn)算到得的。
3. 剪枝，由于是的超集，所以可能有些元素不是頻仍的。在 潛伏k項(xiàng)集的某個(gè)集子不是中的成員是，則該潛伏頻仍項(xiàng)集不是能可頻仍的可以從中移去。
4. 通過(guò) 單趟掃描數(shù)據(jù)集合，盤(pán)算中各個(gè)項(xiàng)集的持支度，將中不滿足持支度的項(xiàng)集去掉構(gòu)成。

????

?

????

通過(guò)迭代循環(huán)，重復(fù)步調(diào)2～4，直到有某個(gè)r值使得為空，這時(shí)算法止停。在剪枝步中的個(gè)每元 素需在易交數(shù)據(jù)庫(kù)中進(jìn)行驗(yàn)證來(lái)定決其是不是參加，這里的驗(yàn)證程過(guò) 是算法性能的一個(gè)瓶頸。這個(gè)法方要求多次掃描可能很大的易交數(shù)據(jù)庫(kù)。可能生產(chǎn)大批的候選集，以及可能要需重復(fù)掃描數(shù)據(jù)庫(kù)，是Apriori算法的兩大缺 點(diǎn)。

????

現(xiàn)在，幾乎有所高效的發(fā)明關(guān)聯(lián)規(guī)則的并行數(shù)據(jù)挖掘算法都是基于Apriori算法 的，Agrawal和Shafer 提出了三種并行算法：數(shù)計(jì)發(fā)分（Count Distribution）算法、數(shù)據(jù)發(fā)分（Data Distribution）算法和候選發(fā)分（Candidate Distribute）算法。

文章結(jié)束給大家分享下程序員的一些笑話語(yǔ)錄： 自行車
一個(gè)程序員騎著一個(gè)很漂亮的自行車到了公司，另一個(gè)程序員看到了他，問(wèn) 到，“你是從哪搞到的這么漂亮的車的？”
騎車的那個(gè)程序員說(shuō)， “我剛從那邊過(guò)來(lái)， 有一個(gè)漂亮的姑娘騎著這個(gè)車過(guò)來(lái)， 并停在我跟前，把衣服全脫了，然后對(duì)我說(shuō)，‘你想要什么都可以’”。
另一個(gè)程序員馬上說(shuō)到， “你絕對(duì)做了一個(gè)正確的選擇， 因?yàn)槟枪媚锏囊路?并不一定穿得了”。

掃描分發(fā)Apriori算法學(xué)習(xí)（一）