ALOA2i : OPTIMIZATION OF EXTRACTION K-itemsets FREQUENT (FOR K ≤ 2)
ALOA2i : OPTIMISATION D'EXTRACTION DES K- ITEMSETS FREQUENTS (POUR K ≤ 2)
Résumé
.In this article, we propose a novel optimization approach to the reference algorithm APRIORI (AGR 94).The approach used is based on sets one and two items. We start by calculating the supports of 1-itemsets (sets of singletons), then we prune the infrequent 1-itemsets and only keep those that are common (that is to say those with frequencies of occurrence called media whose values are greater than or equal to a minimum threshold). During the second iteration, we sort the frequent 1-itemsets in descending order of their respective holders and then we train 2-itemsets. This way association rules are discovered more quickly. Experimentally, the comparison of our algorithm with APRIORI, PASCAL, CLOSE and MAX-MINER, shows effectiveness to weakly correlated data.
Dans cet article, nous proposons une nouvelle approche d'optimisation de l'algorithme de référence APRIORI (AGR 94).La démarche utilisée est basée sur des ensembles à un et deux items. Nous commençons par calculer les supports des 1-itemsets (ensembles de singletons), ensuite nous élaguons les 1-itemsets non fréquents et ne conservons que ceux qui sont fréquents (c'est-à-dire ceux qui ont des fréquences d'apparition appelées supports dont les valeurs sont supérieures ou égales à un seuil minimal fixé).Pendant la deuxième itération, nous trions les 1-itemsets fréquents par ordre décroissant de leurs supports respectifs puis nous formons les 2-itemsets. De cette façon les règles d'association sont découvertes plus rapidement.Expérimentalement, la comparaison de notre algorithme avec APRIORI, PASCAL, CLOSE et MAX-MINER, montre son efficacité sur des données faiblement corrélées
Origine :
Fichiers produits par l'(les) auteur(s)
Loading...