一种基于预判筛选的频繁项集挖掘算法

频繁项集挖掘作为关联规则挖掘技术的关键步骤,其性能对关联规则挖掘具有重要的意义。 针对经典关联规则挖掘算法―――Apriori 算法存在的产生候选项目集效率低和频繁扫描数据库等缺点,对 Apriori 算法的原理及效率进行分析,提出一种基于预判筛选策略的频繁项集挖掘算法。 该算法通过对原始数据集的随机取样,得出样本频繁项集的支持度集合来进行预判筛选,从而对原始数据集候选项集进行二次剪枝,并且引入阻尼因子和补偿因子对预判筛选产生的误差进行修正,以保证算法的误判率和遗漏率。 实验结果表明,该算法具有更好的时效性