请向我推荐有关itemset的适当最低支持和信心的任何材料！
::我使用apriori算法搜索频繁项集。我仍然不知道对itemset的适当支持和信心。我想知道决定支持有多大的考虑因素。
答案 0 :(得分：2)
答案是适当的值取决于数据。
对于某些数据集，最佳值可能为0.5。但对于其他一些数据集，它可能是0.05。这取决于数据。
但是如果设置minsup = 0和minconf = 0，某些算法会在终止之前耗尽内存，或者由于模式太多而可能用完磁盘空间。
根据我的经验，选择minsup和minconf的最佳方法是从较高的值开始，然后逐渐降低它们，直到找到足够的模式。
或者，如果您不想设置minsup，则可以使用top-k算法，而不是指定minsup，例如，您可以指定k个最常用的规则。例如，k = 1000规则。
如果您对top-k关联规则挖掘感兴趣，可以在此处查看我的Java代码：
http://www.philippe-fournier-viger.com/spmf/
该算法称为TopKRules，描述它的文章将于下个月发布。
除此之外，您需要知道除了支持和信心之外还有许多其他有趣的措施：解除，充满信心，......要了解更多信息，您可以阅读这篇文章：＆＃34;选择关联规则的兴趣度量＆＃34;和＃34;关联规则的兴趣度量调查＆＃34;基本上，在某些情况下，所有措施都存在一些问题......没有措施是完美的。
希望这有帮助！
答案 1 :(得分：0)
在任何关联规则挖掘算法（包括Apriori）中，由用户决定他们想要提供哪些支持和置信度值。根据您的数据集和目标，您可以决定minSup和minConf。 显然，如果将这些值设置得更低，那么您的算法将需要更长的时间来执行，您将获得大量结果。
答案 2 :(得分：0)
最小支持和最小置信度参数是用户偏好。如果您需要更大量的结果（具有较低的统计置信度），请适当选择参数。从理论上讲，你可以将它们设置为0.算法将运行，但这需要很长时间，结果不会特别有用，因为它几乎包含任何内容。
所以选择它们以便结果满足您的需求。在数学上，任何值都是“正确的”。