当原始数据量很大的时候 ， 也可以结合划分的方法,使得一个FP-tree可以放入主存中 。
实验表明 ， FP-growth对不同长度的规则都有很好的适应性 ， 同时在效率上较之Apriori算法有巨大的提高 。
2）FP-树频集算法的步骤步骤如下1 遍历 。

13、一次数据库 ， 到处频繁项集（1项集）的集合和支持度计数（频率） ， 并且以降序排序 ， 结果集或表记为L 。
2 构造FP-tree 。
3 根据第二步得到的FP-tree ， 为1项频繁项集中的每一项构造条件FP-tree 。
4 得到频繁模式（频繁项集） 。
4、 数据（1） 小型数据这是我们得到的最原始的数据 ， 是国外某超市的购物篮数据 ， 共有约一千条 。
文件格式为txt格式 ， 每一行代表一个顾客购物篮中的商品 。
（2） 大型数据第二个大型数据也是国外某公司的超市购物篮数据 ， 共有88162条数据 。
数据为txt格式 。
第一行是对每列数据的一个编号 ， 从第二列开始是每个顾客超市购物篮中的东西 。
每个数字代表一个商品 。
因为数据过大 ， 所以整 。

14、个数据是数据集的形式 。
5 应用软件（1） WEKA1. WEKA简介WEKA的全名是怀卡托智能分析环境（Waikato Environment for Knowledge Analysis） ， 是一款免费的 ， 非商业化的 ， 基于JAVA环境下开源的机器学习以及数据挖掘软件 。
它和它的源代码可在其官方网站下载 。
WEKA作为一个公开的数据挖掘工作平台 ， 集合了大量能承担数据挖掘任务的机器学习算法 ， 包括对数据进行预处理 ， 分类 ， 回归、聚类、关联规则以及在新的交互式界面上的可视化 。
2.WEKA存储数据的格式是ARFF（Attribute-Relation File Format）文件 ， 这是一种ASCII文本文件 。
。

15、二维表格存储在如下的ARFF文件中 。
识别ARFF文件的重要依据是分行 ， 因此不能在这种文件里随意的断行 。
空行（或全是空格的行）将被忽略 。
WEKA的关联规则分析功能仅能用来作示范 ， 不适合用来挖掘大型数据集 。
3.数据处理由于我们的源数据为TXT格式 ， 无法应用于WEKA软件 ， 所以我们需要将它转换为ARFF格式 。
我们查阅有关资料以及有关网站 ， 找到了一个用Python转换格式的方法 。
TXT转为ARFF格式def txt2arff(filename, value):with open(./generatedarff.arff, w) as fp:fp.write(relation ExceptionRela 。

16、tionattribute ID stringattribute Thrown numericattribute SetLogicFlag numericattribute Return numericattribute LOC numericattribute NumMethod numericattribute EmptyBlock numericattribute RecoverFlag numericattribute OtherOperation numericattribute class-att True,Falsedata)with open(filename) as f:co 。

17、ntents = f.readlines()for content in contents:lines = content.split(t)lines = line.strip() for line in linesif lines9 = 1:lines9 = Truelines.append( + str(value) + )else:lines9 = Falselines.append(1)array = ,.join(lines)fp.write(%sn % array)处理结果：小型数据大型数据（二）IBM SPSS Modeler1.Clementine为了解决各种商务问题 ， 企业需要 。

18、以不同的方式来处理各种类型迥异的数据 ，相异的任务类型和数据类型就要求有不同的分析技术 。
Clementine为您提供最出色、最广泛的数据挖掘技术 ， 确保您可用最恰当的分析技术来处理相应的问题 ， 从而得到最优的结果以应对随时出现的商业问题 。
即便改进业务的机会被庞杂的数据表格所掩盖 ，Clementine也能最大限度地执行标准的数据挖掘流程 ， 为您找到解决商业问题的最佳答案 。
2.Modeler其中看到其实Modeler也是SPSS公司收购回的 ， 前身即是Clementine ， 09年整个SPSS被IBM收购后 ， 就改名为IBM SPSS Modeler了 ， 今年Modeler已经发布18版本 ， 更新要比以前多了 。

19、不少 ， 多了非常多的扩展功能（例如天气数据获取等等）Modeler是一款数据挖掘软件 ， 建模的原理主要偏向于数学算法 ， 比如各种聚类算法 ， 各种决策树算法 ， 神经网络算法 ， 贝叶斯算法等等 。
目的是通过对数据的整理 ， 建模 ， 挖掘出相关的结果 ， 知道管理实际 。
主要应用于数据量大的分析 ， 或者连接至数据库分析 。
Modeler界面除了任何软件都有的菜单栏、工具栏、状态栏之外 ， 主要由数据流构建区数据流、结果和模型管理区数据挖掘项目管理区节点区四个部分构成 。
IBM SPSS Modeler是客户端/服务器端架构的产品 。
客户既可以在单机版上运行IBM SPSS Modeler ， 也可以连接到IBM SPSS Modeler S 。

20、erver运行数据流 ， 从而充分利用服务器的高性能 。

来源：(未知)

【学习资料】网址：/a/2021/0321/0021742736.html

标题：特选材料|关联规则数据挖掘[特选材料]( 三 )