ED-4.2-m03-1.0-Slajd6
Przykład 1 (2)
Następnie, w kolejnym kroku algorytmu, funkcja apriori-gen() generuje zbiory kandydujące 2-elementowe C2 uzyskane w oparciu o L1. Na powyższym slajdzie możemy zobaczyć zbiór C2, wraz z wartościami wsparcia poszczególnych zbiorów kandydujących. Zbiór L2 składa się z tych zbiorów kandydujących 2-elementowych należących do C2, których wsparcie spełnia warunek minimalnego wsparcia minsup. Pamiętamy w naszym przykładzie wynosi on 50% (2 transakcje). W kolejnym kroku, funkcja apriori-gen() generuje zbiory kandydujące 3-elementowe C3 w oparciu o L2. Każdy zbiór kandydujący 3-elementowy jest nadzbiorem zbioru częstego 2-elementowego należącego do L2, i każdy jego podzbiór również należy do L2. C3 zawiera tylko jeden zbiór kandydujący. Wygenerowany zbiór kandydujący jest również zbiorem częstym, gdyż jego wsparcie wynosi 2 stąd pojawia się on w zbiorze L3. Zbiór C4 jest zbiorem pustym, gdyż L3 zawiera tylko jeden zbiór częsty. Stąd L4 również jest zbiorem pustym. Kończy to pierwszy etap algorytmu Apriori. Wynikiem tego etapu są zbiory częste 1-elementowe L1, 2-elementowe L2, oraz 3-elementowe L3. W kolejnym etapie, w oparciu o otrzymane zbiory częste, są generowane binarne reguły asocjacyjne zgodnie z algorytmem 1.2. Na etapie generacji reguł pomijamy zbiory częste 1-elementowe, gdyż prowadziłyby one do reguł asocjacyjnych, których poprzednik lub następnik byłby zbiorem pustym.
