“I” can be used to produce ARs of t

“I” can be used to produce ARs of the form A B, 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 mechanisms for itemset storage is T-tree [15].

ผลลัพธ์ (ไทย) 1:

"ฉัน" สามารถใช้ในการผลิตอาของฟอร์ม A B, A และ B ตัวเซ็ตย่อยของขนาดใหญ่ฉัน ปกติกำลังล้าง ARs ที่สร้างขึ้นตามความคิดบางอย่างของความเชื่อมั่นในแต่ละปรางค์วัดอรุณ อย่างไรก็ ตามเพื่อให้บรรลุนี้ตัด เสมอจำเป็นต้องแรก ระบุฉันอยู่ในข้อมูลการป้อนข้อมูล "ใหญ่" นี้ในการเปิดต้องมีโครงสร้างการจัดเก็บที่มีประสิทธิภาพ กลไกการเก็บข้อมูลที่มีประสิทธิภาพสำหรับการจัดเก็บ itemset เป็น T-ต้น [15]

ผลลัพธ์ (ไทย) 2:

"ฉัน" สามารถนำมาใช้ในการผลิตอัตราการป่วยของแบบฟอร์ม AB ที่ A และ B เป็นส่วนย่อยเคลื่อนของ I. ขนาดใหญ่อัตราการป่วยมักจะมีการสร้างขึ้นตัดแต่งตามความคิดของความเชื่อมั่นในแต่ละ AR บาง อย่างไรก็ตามเพื่อให้บรรลุการตัดแต่งกิ่งนี้มันเป็นสิ่งจำเป็นเสมอไปก่อนระบุ "ใหญ่" ผมอยู่ในการป้อนข้อมูล ในทางกลับกัน
ต้องมีการจัดเก็บข้อมูลที่มีประสิทธิภาพโครงสร้าง หนึ่งในกลไกที่มีประสิทธิภาพการจัดเก็บข้อมูลสำหรับการจัดเก็บ itemset เป็น T-ต้นไม้ [15]