This algorithm consists of two part

This algorithm consists of two parts [11, 12]. The first part finds frequent itemsets, second part identifies the rules. For finding frequent itemsets following steps are followed:
Step 1: Scan all transactions and find all frequent items that have support above s % .Let these frequent items be L.
Step 2: Build potential sets of k items from Lk-1 by using pairs of itemsets in Lk-1 such that each pair has the first k-2 items in common. Now the k-2 common items and the one remaining item from each of the two itemsets are combined to form a kitemset. The set of such potentially frequent k itemsets is the candidate set Ck. (For k=2, we build the potential frequent pairs by using the frequent itemset L1 appears with every other item in L1. The set so generated is the candidate set C2)
Step 3: Scan all transactions and find all k-itemsets in Ck that are frequent. The frequent set so obtained is L2. The first pass of the Apriori algorithm simply counts item occurrences to determine the large 1-itemsets. A subsequent pass, say pass k, consists of two phases. First, the large itemsets Lk-1 found in the (k-1)th pass are used to generate the candidate itemsets Ck, using the apriori-gen function. Next, the database is scanned and
the support of candidates in Ck is counted. For fast counting, we need to efficiently determine the candidates in Ck that are contained in a given transaction t [11, 12]. For finding rules, the following straightforward algorithm is used. Take a large frequent itemset, say l, and find each nonempty subset a. For every such subset a, output a rule of the form a (l-a) if support (l) / support (a) satisfies minimum confidence.

ผลลัพธ์ (ไทย) 1:

อัลกอริทึมนี้ประกอบด้วยสองส่วน [11, 12] ส่วนแรกพบบ่อย itemsets ส่วนที่สองระบุกฎ หา itemsets บ่อย จะตามตอนต่อไปนี้:ขั้นตอน 1: สแกนธุรกรรมทั้งหมด และค้นหารายการบ่อยทั้งหมดที่ได้รับการสนับสนุนบน s % ให้รายการเหล่านี้บ่อยครั้งเป็นลิตรขั้น 2: สร้างศักยภาพชุดสินค้า k จาก Lk-1 โดยใช้คู่ของ itemsets ในแอล-1 ซึ่งแต่ละคู่มีรายการ k-2 แรกใน ตอนนี้ รายการ k-2 ทั่วไปและสินค้าเหลือหนึ่งจาก itemsets สองรวมแบบ kitemset ชุดของ itemsets เช่น k บ่อยอาจเป็นผู้ตั้ง Ck. (k = 2 เราสร้างคู่บ่อยอาจเกิดขึ้น โดย itemset บ่อยที่ปรากฏ L1 กับทุกรายการอื่น ๆ ใน L1 การตั้งค่าที่สร้างขึ้นเพื่อให้ เป็นผู้ตั้งค่า C2)ขั้น 3: สแกนธุรกรรมทั้งหมด และค้นหาทั้งหมด k-itemsets ใน Ck ที่บ่อย บ่อยครั้งจึงได้รับการตั้งค่าเป็น L2 พาสแรกของอัลกอริทึม Apriori เพียงนับสินค้าเกิดกำหนด 1-itemsets ขนาดใหญ่ ผ่านมา พูดผ่าน k ประกอบด้วย 2 ขั้นตอน Itemsets ใหญ่แอล-1 พบครั้งแรก ใน th (k-1) ที่ผ่านใช้สร้างผู้สมัคร itemsets Ck ใช้ฟังก์ชัน apriori พล ถัดไป สแกนฐานข้อมูล และการสนับสนุนของผู้สมัครใน Ck จะนับ สำหรับการตรวจนับรวดเร็ว เราจำเป็นต้องมีประสิทธิภาพกำหนดผู้สมัครใน Ck ที่มีอยู่ในรูปแบบธุรกรรมกำหนดให้ [11, 12] ใช้อัลกอริทึมตรงต่อไปนี้สำหรับการค้นหากฎ Itemset บ่อยใหญ่ พูด l และหาแต่ละชุดย่อย nonempty ใน ทุกชุดย่อยดังกล่าวได้ ออกแบบของแบบฟอร์มถ้า (l a) สนับสนุน (l) / สนับสนุน (ก) ตอบสนองความเชื่อมั่นต่ำ

ผลลัพธ์ (ไทย) 2:

อัลกอริทึมนี้ประกอบด้วยสองส่วน [11, 12] ส่วนแรกพบ itemsets บ่อยส่วนที่สองระบุกฎ สำหรับการค้นหา itemsets บ่อยขั้นตอนต่อไปนี้มีดังนี้
ขั้นตอนที่ 1: สแกนการทำธุรกรรมทั้งหมดและพบรายการที่พบบ่อยทั้งหมดที่มีการสนับสนุนดังกล่าวข้างต้น s% .Let รายการเหล่านี้บ่อยครั้งจะเป็นลิตร
ขั้นตอนที่ 2: สร้างชุดที่มีศักยภาพของรายการ K จาก LK-1 โดยใช้คู่ ของ itemsets ใน LK-1 เช่นว่าแต่ละคู่มีคนแรกที่ K-2 รายการในการร่วมกัน ตอนนี้ K-2 รายการที่พบบ่อยและเป็นหนึ่งในรายการที่เหลือจากแต่ละสอง itemsets จะรวมถึงรูปแบบ kitemset ชุดดังกล่าว itemsets K ที่อาจเกิดขึ้นบ่อยคือผู้สมัครที่กำหนด Ck (สำหรับ K = 2 เราสร้างคู่บ่อย ๆ ที่อาจเกิดขึ้นโดยใช้ itemset บ่อย L1 ปรากฏขึ้นพร้อมกับทุกรายการอื่น ๆ ใน L1 ชุดที่สร้างขึ้นเพื่อให้เป็น C2 ผู้สมัครชุด.)
ขั้นตอนที่ 3: สแกนการทำธุรกรรมทั้งหมดและหา K-itemsets ทั้งหมดใน Ck ที่มีบ่อย ชุดที่ได้รับบ่อยเพื่อให้เป็น L2 ครั้งแรกผ่านขั้นตอนวิธี Apriori ก็นับการเกิดรายการเพื่อตรวจสอบขนาดใหญ่ 1 itemsets ผ่านไปตามมาพูดผ่าน K ประกอบด้วยสองขั้นตอน ครั้งแรกที่มีขนาดใหญ่ itemsets LK-1 ที่พบใน (K-1) TH ผ่านที่ใช้ในการสร้างผู้สมัคร itemsets Ck โดยใช้ฟังก์ชั่น aPriori-Gen ถัดไปฐานข้อมูลจะถูกสแกนและ
การสนับสนุนของผู้สมัครในการ Ck จะนับ สำหรับการนับอย่างรวดเร็วเราจำเป็นที่จะต้องมีประสิทธิภาพตรวจสอบผู้สมัครใน Ck ที่มีอยู่ในการทำธุรกรรมที่กำหนด t [11, 12] สำหรับการค้นหากฎระเบียบขั้นตอนวิธีการตรงไปตรงมาต่อไปนี้ถูกนำมาใช้ ใช้ itemset บ่อยขนาดใหญ่บอกว่า L และหาแต่ละเซตว่าง ทุกกลุ่มย่อยดังกล่าวออกกฎของรูปแบบ (LA) ถ้าการสนับสนุน (L) / Support (ก) การตอบสนองความเชื่อมั่นต่ำสุด