each set of 100 trials, there have been zero to two trials
with misses. The overall fraction of trials with misses
was 0.0038. We repeated the experiment with δ = 0.01,
i.e., so that the miss probability of any given frequent
set is at most 0.01. This experiment gave misses in
fraction 0.041 of all the trials. In both cases the fraction
of trials with misses was about four times δ.
The actual amount of reduction in the database
activity depends very much on the storage structures.
For instance, if the database has 10 million rows, a disk
block contains on average 100 rows, and the sample
size is 20,000, then the sampling phase could read up
to 20 % of the database. For the design and analysis of
sampling methods see, e.g, [OR89]. The related problem
of sampling for query estimation is considered in
more detail in [HS92]. A n alternative for randomly
drawing each row in separation is, of course, to draw
whole blocks of rows to the sample. Depending on how
randomly the rows have been assigned to the blocks,
this method can give very good or very bad results.
The reduction in database activity is achieved at the
cost of considering some attribute sets that. the level_wise
algorithm does not generate and check. Table 5
shows the average number of sets considered for data
set T10.14.D100K with different sarnple sizes, and
the number of candidate sets of the level-wise algorithm.
The largest absolute overhead occurs with
low thresholds, where the number of itemsets considered
has grown from 318,588 by 64,694 in the worst
case. This growth is not significant for the total execution
time since the itemsets are handled entirely in
main memory. The relative overhead is larger with
higher thresholds, but since the absolute overheads are
very small the effect is negligible. Table 5 indicates
that larger samples cause less overhead (with equally
good results), but that for sample sizes from 20,000 to
80,000 the difference in the overhead is not significant.
To obtain a better picture of the relation of δ and
the experimental number of trials with misses, we conducted
the following test. We took 100 samples (for
each frequency threshold and sample size) and determined
the lowered frequency threshold that would have
given misses in one out of the hundred trials. Figure 2
presents these results (as points), together with lines
showing the lowered thresholds with δ = 0.01 or 0.001,
i.e., the thresholds corresponding to miss probabilities
of 0.01 and 0.001 for a given frequent set. The
frequency thresholds that would give misses in fraction
0.01 of cases approximate surprisingly closely the
thresholds for δ = 0.01. Experiments with a larger
scale of sample sizes give comparable results. There
are two explanations for the similarity of the values.
One reason is that there are not necessarily many
potential misses, i.e., not many frequent sets with
frequency relatively close to the threshold. Another
reason that contributes to the similarity is that the sets
are not independent.
In the case of a possible failure, Algorithm 2 generates
itera.tively all new candidates and makes another
pass over the database. In our experiments the number
of frequent set.s missed-when any were missed-was
one or two for 6 = 0.001, and one to 16 for δ = 0.01.
The number of candidates checked on the second pass
was very small compared to the total number of itemsets
checked
แต่ละชุดการทดลอง 100 มีศูนย์การทดลองสอง
กับพุ่ง เศษส่วนโดยรวมของการทดลองกับพุ่ง
ถูก 0.0038 เราซ้ำทดลองกับδ = 0.01,
i.e. ให้ความน่าเป็นนางสาวใด ๆ ให้บ่อย
ไว้ที่ 0.01 ส่วนใหญ่ การทดลองนี้ให้พุ่งใน
เศษ 0.041 ของการทดลองทั้งหมด ทั้งในกรณีที่เศษส่วน
ของทดลองกับพุ่งกำลังสี่เวลาδ
จำนวนลดลงในฐานข้อมูลจริง
กิจกรรมมากขึ้นอยู่กับโครงสร้างที่เก็บ
เช่น ถ้าฐานข้อมูลมีราคา 10 ล้านแถว ดิสก์
บล็อกประกอบด้วยแถวเฉลี่ย 100 และตัวอย่าง
20000 มีขนาด ระยะการสุ่มตัวอย่างสามารถอ่านค่า แล้ว
20% ของฐานข้อมูล สำหรับการออกแบบและวิเคราะห์
สุ่มตัวอย่างวิธีดู เช่น, [OR89] ปัญหาที่เกี่ยวข้อง
ชักตัวอย่างสำหรับการประเมินแบบสอบถามจะถือว่าใน
[HS92] รายละเอียดเพิ่มเติม ทาง n สำหรับสุ่ม
วาดแต่ละแถวในแยกเป็น หลักสูตร การวาด
บล็อกทั้งหมดของแถวตัวอย่าง ขึ้นอยู่กับว่า
สุ่มแถวได้ถูกกำหนดให้กับบล็อก,
วิธีนี้จะดี หรือเลวร้ายมากผลลัพธ์ได้
ลดในกิจกรรมฐานข้อมูลสามารถทำได้ที่
ต้นทุนพิจารณาแอททริบิวต์บางชุดที่ level_wise
อัลกอริทึมสร้าง และตรวจสอบ ตาราง 5
แสดงจำนวนเฉลี่ยของชุดที่พิจารณาสำหรับข้อมูล
ตั้ง T10.14.D100K มีขนาดแตกต่างกัน sarnple และ
จำนวนชุดตัวเลือกของ level-wise อัลกอริทึม
โอเวอร์เฮดแบบสัมบูรณ์ที่ใหญ่ที่สุดเกิดขึ้น
ต่ำขีดจำกัด ซึ่งถือเป็นจำนวน itemsets
ได้เติบโตขึ้นจาก 318,588 โดย 64694 ในร้าย
กรณี เจริญเติบโตนี้ไม่สำคัญสำหรับการดำเนินการรวม
เวลาตั้งแต่ itemsets จะจัดการทั้งหมดใน
หน่วยความจำหลัก ค่าโสหุ้ยญาติขึ้นด้วย
ตั้งแต่วัสดุแน่นอนแต่มีขีดจำกัดสูง
เล็กผลคือระยะ ตาราง 5 แสดง
ว่า ตัวอย่างขนาดใหญ่ทำให้ค่าใช้จ่ายในน้อย (มีเท่า ๆ กัน
ผลดี), แต่สำหรับขนาดตัวอย่างจาก 20000 ให้
80000 ความแตกต่างของค่าโสหุ้ยไม่สำคัญ.
เพื่อให้ได้ภาพดีขึ้นของความสัมพันธ์ของδ และ
คิดถึงจำนวนทดลองกับทดลอง เราดำเนิน
การทดสอบต่อไปนี้ เราเอาตัวอย่าง 100 (สำหรับ
แต่ละความถี่จำกัดและตัวอย่างขนาด) และกำหนด
ขีดจำกัดความถี่ต่ำลงซึ่งจะมี
ให้พุ่งในหนึ่งจากทดลองร้อย รูปที่ 2
แสดงผลลัพธ์เหล่านี้ (เป็นจุด), พร้อมกับบรรทัด
แสดงขีดจำกัดต่ำลงกับδ = 0.01 หรือ 0.001,
i.e. ขีดจำกัดที่จะพลาดกิจกรรม
0.01 และ 0.001 สำหรับชุดบ่อยให้ ใน
ขีดจำกัดความถี่ที่จะให้พุ่งเศษ
ประมาณ 0.01 กรณีจู่ ๆ อย่างใกล้ชิด
ขีดจำกัดสำหรับδ = 0.01 ทดลอง มีขนาดใหญ่
ขนาดของกลุ่มตัวอย่างขนาดให้ผลเทียบเท่า มี
เป็นคำอธิบายที่สองสำหรับความคล้ายกันของค่า
เหตุผลหนึ่งคือ ว่า มีไม่จำเป็นต้องมาก
อาจพุ่ง เช่น ไม่ได้เป็นชุดกับ
ความถี่แหขีดจำกัด อื่น
เหตุผลที่สนับสนุนความคล้ายกันคือชุด
ไม่อิสระ
ในกรณีของความล้มเหลวเป็นไปได้ อัลกอริทึม generates
itera.tively ทั้งหมด 2 ผู้สมัครใหม่ และทำให้อีก
ผ่านฐานข้อมูล ในการทดลองของเราหมายเลข
ของบ่อย set.s พลาดเมื่อใดที่พลาด-ถูก
หนึ่งหรือสอง 6 = 0.001 และหนึ่ง 16 สำหรับδ = 0.01
จำนวนผู้ตรวจสอบในรอบสอง
เล็กมากเมื่อเทียบกับจำนวน itemsets
ตรวจสอบ
การแปล กรุณารอสักครู่..
![](//thimg.ilovetranslation.com/pic/loading_3.gif?v=b9814dd30c1d7c59_8619)
100 ชุดของการทดลองแต่ละครั้งมีศูนย์สองการทดลอง
ที่มีความคิดถึง ส่วนภาพรวมของการทดลองที่มีความคิดถึง
เป็น 0.0038 เราซ้ำแล้วซ้ำอีกการทดลองกับδ = 0.01,
กล่าวคือเพื่อให้ความน่าจะเป็นของการพลาดบ่อยที่ได้รับ
การตั้งค่าที่มากที่สุด 0.01 การทดลองนี้ทำให้คิดถึงใน
ส่วนของการทดลอง 0.041 ทั้งหมด ในทั้งสองกรณีส่วน
ของการทดลองที่มีความคิดถึงเป็นประมาณสี่ครั้งδ
จำนวนที่เกิดขึ้นจริงของการลดในฐานข้อมูลของ
กิจกรรมขึ้นอยู่มากในโครงสร้างการจัดเก็บ
ตัวอย่างเช่นถ้าฐานข้อมูลมี 10 ล้านแถวดิสก์
บล็อกมีเฉลี่ย 100 แถวและตัวอย่าง
ขนาด 20,000 แล้วขั้นตอนการเก็บตัวอย่างสามารถอ่านได้
ถึง 20% ของฐานข้อมูล สำหรับการออกแบบและการวิเคราะห์
วิธีการสุ่มตัวอย่างเห็นเช่น [OR89] ปัญหาที่เกี่ยวข้อง
ของการสุ่มตัวอย่างสำหรับการประมาณแบบสอบถามมีการพิจารณาใน
รายละเอียดเพิ่มเติมใน [HS92] ทางเลือก n เพื่อสุ่ม
วาดแต่ละแถวในการแยกเป็นของหลักสูตรการวาด
บล็อกทั้งแถวตัวอย่าง ทั้งนี้ขึ้นอยู่กับวิธี
การสุ่มแถวได้รับมอบหมายให้บล็อก,
วิธีการนี้สามารถให้ผลลัพธ์ที่ดีมากหรือดีมากในการลดกิจกรรมฐานข้อมูลจะประสบความสำเร็จที่ค่าใช้จ่ายในการพิจารณาคุณลักษณะบางชุดที่ level_wise ขั้นตอนวิธีการไม่ได้สร้างและตรวจสอบ ตารางที่ 5 แสดงค่าเฉลี่ยของจำนวนของชุดการพิจารณาข้อมูลการตั้งค่าที่มีขนาด T10.14.D100K sarnple แตกต่างกันและจำนวนของชุดผู้สมัครของขั้นตอนวิธีการที่ชาญฉลาดในระดับค่าใช้จ่ายที่แน่นอนที่ใหญ่ที่สุดเกิดขึ้นกับเกณฑ์ต่ำที่จำนวน itemsets พิจารณาได้เติบโตขึ้นจาก 318,588 64,694 โดยในที่เลวร้ายที่สุดกรณี การเจริญเติบโตนี้ไม่ได้ที่สำคัญสำหรับการดำเนินการรวมเวลาตั้งแต่ itemsets ได้รับการจัดการอย่างสิ้นเชิงในหน่วยความจำหลัก ค่าใช้จ่ายที่เกี่ยวข้องเป็นขนาดใหญ่ที่มีเกณฑ์ที่สูงขึ้น แต่เนื่องจากค่าโสหุ้ยแน่นอนมีขนาดเล็กมากผลเป็นเล็กน้อย ตารางที่ 5 แสดงให้เห็นว่ากลุ่มตัวอย่างที่มีขนาดใหญ่ทำให้ค่าใช้จ่ายน้อยกว่า (ด้วยความเท่าเทียมกันผลลัพธ์ที่ดี) แต่ที่สำหรับขนาดตัวอย่างจาก 20,000 ถึง80,000 ความแตกต่างในค่าใช้จ่ายที่ไม่ได้เป็นอย่างมีนัยสำคัญเพื่อให้ได้ภาพที่ดีขึ้นของความสัมพันธ์ของδและจำนวนการทดลองของการทดลอง ด้วยคิดถึงเราดำเนินการทดสอบต่อไปนี้ เราเอา 100 ตัวอย่าง (ตัวอย่างเกณฑ์แต่ละความถี่และขนาดของกลุ่มตัวอย่าง) และกำหนดเกณฑ์ความถี่ลดลงที่จะได้รับความคิดถึงในหนึ่งออกจากร้อยการทดลอง รูปที่ 2 นำเสนอผลเหล่านี้ (เป็นจุด) ร่วมกับสายการแสดงเกณฑ์ลดลงด้วยδ = 0.01 หรือ 0.001 เช่นเกณฑ์ที่สอดคล้องกับความน่าจะพลาด0.01 และ 0.001 สำหรับชุดที่ได้รับบ่อย เกณฑ์ความถี่ที่จะให้คิดถึงในส่วน0.01 กรณีตัวอย่างที่น่าประหลาดใจอย่างใกล้ชิดกับเกณฑ์δ = 0.01 การทดลองกับที่มีขนาดใหญ่ขนาดของขนาดตัวอย่างให้ผลเทียบเคียง มีสองคำอธิบายสำหรับความคล้ายคลึงกันของค่าที่เป็นเหตุผลหนึ่งก็คือว่ามีจำนวนมากที่ไม่จำเป็นต้องคิดถึงที่อาจเกิดขึ้นคือไม่ได้ชุดบ่อยมากกับความถี่ที่ค่อนข้างใกล้เคียงกับเกณฑ์ อีกเหตุผลที่ก่อให้เกิดความคล้ายคลึงกันก็คือว่าชุดนี้ไม่ได้เป็นอิสระในกรณีของความล้มเหลวที่เป็นไปได้ขั้นตอนวิธีที่ 2 สร้างitera.tively ผู้สมัครใหม่ทุกท่านและทำให้อีกกว่าผ่านฐานข้อมูล ในการทดลองของเราจำนวนของ set.s บ่อยพลาดเมื่อใดที่ถูกพลาดเป็นหนึ่งหรือสอง 6 = 0.001, และหนึ่งใน 16 δ = 0.01 จำนวนของผู้สมัครตรวจสอบผ่านที่สองได้รับการขนาดเล็กมากเมื่อเทียบกับ จำนวนรวมของ itemsets ตรวจสอบ
การแปล กรุณารอสักครู่..
![](//thimg.ilovetranslation.com/pic/loading_3.gif?v=b9814dd30c1d7c59_8619)
ชุดละ 100 ครั้ง , มีศูนย์สองการทดลอง
ด้วยคิดถึง . สัดส่วนโดยรวมของการทดลองกับคิดถึง
คือ 0.0038 . เราทำซ้ำการทดลองกับδ = 0.01
คือเพื่อให้คุณมีโอกาสใด ๆ ให้บ่อยที่สุด
ชุดที่ 0.01 การทดลองนี้ทำให้พลาด
ส่วน 0.041 ของการทดลองทั้งหมด ในทั้งสองกรณีเศษ
ของการทดลองกับขาดหายไปประมาณ 4 ครั้งδ .
จำนวนเงินที่แท้จริงของการลดลงในฐานข้อมูล
กิจกรรมขึ้นอยู่กับการจัดเก็บโครงสร้าง .
ตัวอย่าง ถ้าฐานข้อมูลมี 10 ล้านแถว ดิสก์
บล็อกมีเฉลี่ย 100 แถว และตัวอย่าง
ขนาด 20 , 000 แล้วตัวอย่างเฟสสามารถอ่าน
20% ของฐานข้อมูล สำหรับการออกแบบและการวิเคราะห์
วิธีดู ตัวอย่าง เช่น , [ or89 ] ที่เกี่ยวข้องกับปัญหา
ตัวอย่างการประเมินแบบสอบถามจะพิจารณารายละเอียดเพิ่มเติมใน hs92
[ ] n ทางเลือกสำหรับสุ่ม
รูปวาดแต่ละแถวแยกเป็น แน่นอน การวาด
บล็อกทั้งหมดของแถวกับตัวอย่าง ขึ้นอยู่กับว่า
สุ่มแถวได้รับมอบหมายให้บล็อก
วิธีนี้จะให้ผลที่ดีมาก หรือเลวมาก
ลดกิจกรรมฐานข้อมูลความ
ต้นทุนของการพิจารณาบางแอตทริบิวต์ชุดนั้น การ level_wise
ขั้นตอนวิธีที่ไม่สร้างและตรวจสอบ ตารางที่ 5 แสดงจำนวนชุด
ถือว่าข้อมูลชุด sarnple t10.14.d100k ที่มีขนาดแตกต่างกันและ
จำนวนผู้สมัครชุดระดับปัญญา อัลกอริทึม ที่ใหญ่ที่สุดที่เกิดขึ้นกับค่าใช้จ่ายแน่นอน
ต่ำเกณฑ์ ซึ่งจำนวน itemsets ถือว่า
ได้เติบโตขึ้นจาก 318588 โดย 64 ,เพราะในกรณีเลวร้ายที่สุด
การเติบโตนี้ไม่ใช่ที่สำคัญสำหรับการรวมเวลาตั้งแต่ itemsets จัดการ
ทั้งหมดในหน่วยความจำหลัก ค่าใช้จ่ายสัมพัทธ์มีขนาดใหญ่กับ
ธรณีประตูสูง แต่เนื่องจากค่าโสหุ้ยสัมบูรณ์อยู่
ขนาดเล็กมากผลเป็นเล็กน้อย ตารางที่ 5 พบว่า ตัวอย่างที่มีขนาดใหญ่เพราะค่าใช้จ่ายน้อยกว่า
( อย่างเท่าเทียมกัน
ผลลัพธ์ที่ดี ) แต่สำหรับขนาดตัวอย่างจาก 20
, ความแตกต่างในค่าใช้จ่ายไม่สําคัญ
เพื่อให้ได้ภาพที่ดีขึ้นของความสัมพันธ์ของδและ
หมายเลขทดลองทดสอบกับคิดถึงเราดำเนินการ
ทดสอบต่อไปนี้ เราเอา 100 ตัวอย่าง (
แต่ละความถี่ขีดเริ่ม และขนาดตัวอย่าง ) และมุ่งมั่น
ลดความถี่ขีดเริ่มที่จะมี
ให้พลาด 1 ในร้อยการทดลอง รูปที่ 2
แสดงผล ( คะแนน ) ร่วมกับสาย
แสดงลดลง ซึ่งมีδ = 0.01 หรือ 0.001 ,
เช่น ซึ่งสอดคล้องกับคิดถึงความน่าจะเป็น
0.01 และ 0.001 ให้บ่อย ๆ การตั้งค่า
ความถี่ ซึ่งจะทำให้พลาดในส่วน
0.01 กรณีโดยประมาณ จู่ ๆอย่างใกล้ชิด
ธรณีประตูเพื่อδ = 0.01 การทดลองที่มีขนาดใหญ่
ขนาดของขนาดตัวอย่างให้ผลใกล้เคียงกัน มี
2 คำอธิบายสำหรับความคล้ายคลึงกันของค่า
เหตุผลหนึ่งคือ มีไม่หลาย
ศักยภาพคิดถึง คือ ไม่พบบ่อย ชุดกับ
ความถี่ค่อนข้างใกล้กับธรณีประตู อีกเหตุผลที่ก่อให้เกิด
ความเหมือนคือชุด
ไม่อิสระ ในกรณีของความล้มเหลวที่เป็นไปได้วิธีการ 2 สร้าง
itera.tively ใหม่ทั้งหมด ผู้สมัคร และทำให้ผ่านอีก
ผ่านฐานข้อมูล ในการทดลองของเราหมายเลข
ชุดบ่อย ผิดนัดเมื่อพลาดถูก
หนึ่งหรือสอง 6 = 0.001 และหนึ่งถึง 16 δ = 0.01
หมายเลขของผู้สมัครได้ตรวจสอบ
ผ่านสองมีขนาดเล็กมากเมื่อเทียบกับจำนวน itemsets
ตรวจสอบ
การแปล กรุณารอสักครู่..
![](//thimg.ilovetranslation.com/pic/loading_3.gif?v=b9814dd30c1d7c59_8619)