扫描分发Apriori算法学习（一）

在本篇文章中,我们主要介绍扫描分发的内容,自我感觉有个不错的建议和大家分享下

    

Apriori核心算法程过如下：

    

1. 扫描数据集合盘算出各个1项集的持支度，得 到频仍1项集的集合。
2. 接连，由2个只有一个项不同的属于的频集做一 个（k-2）JOIN运算到得的。
3. 剪枝，由于是的超集，所以可能有些元素不是频仍的。在 潜伏k项集的某个集子不是中的成员是，则该潜伏频仍项集不是能可频仍的可以从中移去。
4. 通过 单趟扫描数据集合，盘算中各个项集的持支度，将中不满足持支度的项集去掉构成。

    每日一道理
心的本色该是如此。成，如朗月照花，深潭微澜，不论顺逆，不论成败的超然，是扬鞭策马，登高临远的驿站；败，仍滴水穿石，汇流入海，有穷且益坚，不坠青云的傲岸，有“将相本无主，男儿当自强”的倔强。荣，江山依旧，风采犹然，恰沧海巫山，熟视岁月如流，浮华万千，不屑过眼烟云；辱，胯下韩信，雪底苍松，宛若羽化之仙，知退一步，海阔天空，不肯因噎废食。

    

 

    

通过迭代循环，重复步调2～4，直到有某个r值使得为空，这时算法止停。在剪枝步中的个每元 素需在易交数据库中进行验证来定决其是不是参加，这里的验证程过 是算法性能的一个瓶颈。这个法方要求多次扫描可能很大的易交数据库。可能生产大批的候选集，以及可能要需重复扫描数据库，是Apriori算法的两大缺 点。

    

现在，几乎有所高效的发明关联规则的并行数据挖掘算法都是基于Apriori算法 的，Agrawal和Shafer 提出了三种并行算法：数计发分（Count Distribution）算法、数据发分（Data Distribution）算法和候选发分（Candidate Distribute）算法。

文章结束给大家分享下程序员的一些笑话语录： 自行车
一个程序员骑着一个很漂亮的自行车到了公司，另一个程序员看到了他，问 到，“你是从哪搞到的这么漂亮的车的？”
骑车的那个程序员说， “我刚从那边过来， 有一个漂亮的姑娘骑着这个车过来， 并停在我跟前，把衣服全脱了，然后对我说，‘你想要什么都可以’”。
另一个程序员马上说到， “你绝对做了一个正确的选择， 因为那姑娘的衣服你 并不一定穿得了”。