所以一个最近的问题让我意识到了相当酷的Apriori算法。我能理解它的工作原理,但我不确定它的实际用途。假设计算相关物品集合的主要原因是为了能够基于某人的购买(或拥有的物品等)提供推荐。但是如何从一组相关的物品集合转换为个体的推荐呢?
维基百科文章结束了:
第二个问题是基于最小置信度生成与大项集相关的关联规则。假设其中一个大项集为Lk,Lk = {I1, I2, …, Ik},可以通过以下方式生成这些项集的关联规则: 第一条规则是{I1, I2, …, Ik-1}⇒{Ik},通过检查置信度可以确定该规则是否有趣。然后通过删除前件中的最后一项并将其插入到后件中生成其他规则,进一步检查新规则的置信度以确定它们的有趣程度。该过程重复进行直到前件为空。我不确定关联规则集如何帮助确定最佳推荐集。也许我没有理解它的意义,apriori算法可能不是用于此目的的?那么它的用途是什么呢?
维基百科文章结束了:
第二个问题是基于最小置信度生成与大项集相关的关联规则。假设其中一个大项集为Lk,Lk = {I1, I2, …, Ik},可以通过以下方式生成这些项集的关联规则: 第一条规则是{I1, I2, …, Ik-1}⇒{Ik},通过检查置信度可以确定该规则是否有趣。然后通过删除前件中的最后一项并将其插入到后件中生成其他规则,进一步检查新规则的置信度以确定它们的有趣程度。该过程重复进行直到前件为空。我不确定关联规则集如何帮助确定最佳推荐集。也许我没有理解它的意义,apriori算法可能不是用于此目的的?那么它的用途是什么呢?