长度为2的项目集的模式挖掘

Question

我正在寻找关联挖掘算法，我只能挖掘长度为2的频繁项目集。在2项目集停止时，使用数据库查询计算频繁项目是否更好。

Answer 1

如果您的输入是文本文件，并且您只想查找长度为2的项目集，则只需扫描一次文件并计算2项目集的支持。这将是非常有效的。

对于这种情况，您不需要使用Apriori FPGrowth或任何其他花哨的算法。您可以在文件和地图上使用FOR循环来存储扫描文件时遇到的每对项目的频率。

然后当扫描结束时，您将获得两个项目集的所有支持，并且您只能输出支持＆gt; = minsup的那些。

另一种方法是使用三角矩阵而不是地图来计算每对项目的支撑。它比使用地图快一点，但如果你的数据很稀疏，可能会浪费更多的内存。

Answer 2

长度为2的项目集不会受益于修剪规则，例如单调性。

您可以使用聪明的JOIN来计算2个项目集，而且性能成本很低（实际上，您的DBMS可能会比您自己的代码更好地加速）。

请参阅MadLIB以获取在PostgreSQL数据库上通过SQL运行Frequent Itemset Mining的库。