第三章
- 标称：转换成0,1来算，或者用非对称二元属性
- 二元：x1,x2的分布取00,01,10,11的二元属性个数，列表，算比例。不对称的二元属性就忽略00的属性个数
- 序数：转换成排位rif,度量：rif-1/mf-1
- 数值：欧几里得距离，曼哈顿距离，范数，切比雪夫距离
混合类型：
第六章：frequent pattern
1.关联分析及其度量
绝对支持度：出现的频次；相对支持度：出现的概率
支持度：联合概率A->B的支持度support=P(AB)；置信度：条件概率confidence=P(B|A)=P(AB)/P(A)
找出支持度大于阈值的一些项集，即为频繁项，在这些频繁项中求置信度大于某个阈值的，这些即为关联规则
闭项集：x的超集支持度<x的支持度；x任意的超集都不是频繁项，则x是最大频繁项集。
2.Aprioir算法
Aprioir
- 定理1：如果一个项集是频繁的，那么其所有的子集（subsets）也一定是频繁的。
这个比较容易证明，因为某项集的子集的支持度一定不小于该项集。
- 定理2：如果一个项集是非频繁的，那么其所有的超集（supersets）也一定是非频繁的。
根据定理1，2可以对项集进行剪枝
- 定理3：同时满足最小支持度阀值和最小置信度阀值的规则称为强规则。
Aprioir算法的步骤：生成L1；连枝生成L2候选集，剪枝生成L2,
再连枝，再剪枝。。（连枝：三项集的元素顺序排列生成4项集：前两项相同第三项不同的三项集生成四项集没有重叠）
Aprioir改进：
Aprioir每次计算支持度都要烧苗一遍数据库。