当给出支持和置信度的百分比值时，如何在Apriori算法中找到最小支持。举个例子，当支持率和信心分别为60％和60％时，最低支持率是多少？
答案 0 :(得分：6)
在此处查看Apriori算法的完整说明，并提供实时可用示例：
http://www.codeding.com/articles/apriori-algorithm
您可以添加新项目并输入最小支持阈值和最小置信度阈值，并在演示Silverlight小部件中立即查看生成的大型项目集。
答案 1 :(得分：4)
支持和信心是衡量规则有多么有趣的措施。
最小支持和最小置信度由用户设置，并且是用于关联规则生成的Apriori算法的参数。这些参数用于排除结果中的支持或置信度分别低于最小支持度和最小置信度的规则。
所以回答你的问题时，当你说：“举个例子，当支持率和信心分别为60％和60％时，最低支持率是多少？”你可能意味着你已经将最低支持率和信心度设定为60％。
我认为你对这些术语感到困惑。
答案 2 :(得分：4)
我的回答有点太迟了，但我想Chanikag所问的是 - “当支持门槛为60％时，如何最小化支持数”。最低支持计数将是交易数，因此它将占交易总数的60％。如果交易次数为5次，则您的最低支持次数为5 * 60/100 = 3。
答案 3 :(得分：4)
最小支持计数是所有交易的百分比。假设您有60％的支持计数，5是总交易，那么min_support将是5 * 60/100 = 3。
答案 4 :(得分：2)
我不确定你的问题是否有意义。从您的示例中，如果您至少返回了一个支持率和置信度为60％的规则，那么您可以确定最小支持率至少为60％但可能更高。
最小支持是提供给Apriori算法的参数，用于通过指定结果关联规则的支持度量的最小下限来修剪候选规则。还有一个相应的最小置信度修剪参数。
算法生成的每个规则都有自己的支持和置信度量。粗略地说，支持是所有实例中规则为真的实例的比率。置信度是规则为真的实例与前因（暗示的LHS）为真的实例数之比。
查看Wikipedia以获得更严格的定义。
答案 5 :(得分：0)
您必须使用最低支持人数来比较候选人的支持人数。如果获得的最小支持计数为“％”值，则必须首先找到事务数，然后执行以下操作。
例如，您的数据库中有10个事务。
最低支持数是70％。 现在，获取数字为Min。 Sup.count =交易数量*（最低支持计数％/ 100）
因此，最小备用计数= 10 * 70/100
答案是7。
这是您必须计算最小值的方法