where A and B are disjoint subsets

where A and B are disjoint subsets of a large I. The ARs generated are usually pruned according to some notion of confidence in each AR. However to achieve this pruning, it is always necessary to first identify the “large” I contained in the input data. This in turn requires an effective storage structure. One of the efficient data storage mechanism for itemset storage is the T-tree.[2]

ผลลัพธ์ (ไทย) 1:

ที่ A และ B เป็นตัวย่อยของขนาดใหญ่ฉัน ปกติกำลังล้าง ARs ที่สร้างขึ้นตามความคิดบางอย่างของความเชื่อมั่นในแต่ละปรางค์วัดอรุณ อย่างไรก็ ตามเพื่อให้บรรลุนี้ตัด เสมอจำเป็นต้องแรก ระบุฉันอยู่ในข้อมูลการป้อนข้อมูล "ใหญ่" จะต้องมีโครงสร้างเก็บข้อมูลที่มีประสิทธิภาพ กลไกการจัดเก็บข้อมูลที่มีประสิทธิภาพสำหรับการจัดเก็บ itemset อย่างใดอย่างหนึ่งเป็นต้น T [2]

ผลลัพธ์ (ไทย) 2:

ที่ A และ B เป็นส่วนย่อยเคลื่อนของ I. ขนาดใหญ่อัตราการป่วยมักจะมีการสร้างขึ้นตัดแต่งตามความคิดของความเชื่อมั่นในแต่ละ AR บาง อย่างไรก็ตามเพื่อให้บรรลุการตัดแต่งกิ่งนี้มันเป็นสิ่งจำเป็นเสมอไปก่อนระบุ "ใหญ่" ผมอยู่ในการป้อนข้อมูล ในทางกลับกันต้องมีการจัดเก็บข้อมูลที่มีประสิทธิภาพโครงสร้าง หนึ่งในกลไกการจัดเก็บข้อมูลที่มีประสิทธิภาพสำหรับการจัดเก็บ itemset เป็น T-ต้นไม้. [2]

ผลลัพธ์ (ไทย) 3:

ที่ A และ B เป็นเซตย่อยของยู่ขนาดใหญ่ . ARS สร้างขึ้นมักจะตัดตามบางความคิดของความเชื่อมั่นในแต่ละปีที่ . อย่างไรก็ตามเพื่อให้บรรลุการตัดแต่งกิ่งนี้ มันเป็นเสมอจำเป็นต้องระบุ " ใหญ่ " ผมอยู่ในค่าของข้อมูลนำเข้า นี้ในการเปิดจะต้องมีโครงสร้างการจัดเก็บที่มีประสิทธิภาพ หนึ่งในกลไกการจัดเก็บข้อมูลที่มีประสิทธิภาพสำหรับ itemset กระเป๋าเป็นต้นไม้แบบที [ 2 ]