ED-4.2-m04-1.0-Slajd22
Transformacja problemu – znajdowanie zbiorów częstych (1)
Załóżmy, że zastosujemy algorytm Apriori w celu znalezienia wszystkich zbiorów częstych i reguł asocjacyjnych. Rozpoczynamy od listy wszystkich produktów (C1). Dla każdego produktu obliczamy wsparcie określonego produktu. Dzięki temu znajdujemy wszystkie zbiory częste 1-elementowe zaznaczone na slajdzie L1. Do L1 należą zbiory częste {1,2,4,5,6,8,9}. Następnie w oparciu o L1 obliczamy wszystkie zbiory kandydujące 2-elementowe (C2). Ponownie obliczamy wsparcie dla każdego zbioru kandydującego usuwamy wszystkie zbiory kandydujące, które nie spełniają progu minimalnego wsparcia oraz usuwamy wszystkie te zbiory kandydujące, które zawierają podzbiory, które nie są częste. W konsekwencji otrzymujemy L2 – zbiory częste 2-elementowe przedstawione na slajdzie. W naszym przykładzie wsparcie zbiorów częstych jest dla ułatwienia liczone liczbą transakcji wspierających dany zbiór.
