Zzong's Notes

support

1 min read

Support

support 값은 그 itemset 이 얼마나 데이터베이스에 자주 등장하는지 나타내는 지표다.

itemset 에 대한 의 support 는 를 포함한 transactions 의 비율에 비례한다.

B) 예시

image-20201128180606645

itemset 의 support 값은 0.2 (=1/5) 이다. 왜냐하면 오직 5 개의 transactions 중 만 해당 itemset 을 포함하기 때문이다.

C) Related

D) References

링크된 언급

6
Anti-Monotone property

... item 들에 대한 frequent itemset 을 찾는 것은 2^n 1 개의 경우의 수를 고려해야 한다 (empty set 제외). frequent itemset 을 찾는 것 = 최소 support 값 이상을 가지는 transaction 을 찾는 것 이러한 많은 경우의 수를 효율적으로 고려하기 위해서 support 값의 downward closure 속성을 활용한다. downward ...

Apriori

Apriori BFS 방식을 사용해서 itemset 의 support 값을 계산하고, Anti Monotone property 를 활용해 후보들을 생성해나가는 방법이다. itemset 에 포함되는 item 의 개수를 한개부터 늘려가면서 최소 support 값...

Association Rule Learning

Association Rule Learning 연관 규칙 학습은 데이터베이스에 존재하는 변수들 간의 연관성을 발견하는 방법이다. 여기서, 연관 규칙들은 일반적으로 사용자가 정의한 최소 support 값과 최소 Confidence 값을 동시에 만족시킬 수 있는 규칙을 의미한다. 연관 규칙은 일반적으로 다음과 같이 표기된다. \{\text{onions,potatoes}\}\Rightarr...

Eclat

...교했을 때 메모리에 모두 적재될 수 있는 적은 데이터셋에 적합하다. 즉, Eclat 방식은 확장성에 취약한 모습을 보인다. 또한, Aprior 는 candidate itemset 에 대해서 support 값을 반복적으로 계산해야 했지만, Eclat 은 그러지 않는다. 왜냐하면 이미 itemset 에 대한 Transaction 정보를 메모리에 저장하고 있기 때문이다. Eclat 알고리즘은 v...

F1 Score

...재한다. D.1) (1) Macro Average 가장 단순 방식으로, 모든 클래스 당 F1 score 의 평균을 의미한다. D.2) (2) Weighted Average 각 class 의 support 값에 따라 F1 score 평균 계산 시 가중치를 적용하는 방식이다. 이는 클래스 불균형에 대한 평가 방식을 좀 더 공정히하기 위해 고안한 방식이다. D.3) (3) Micro Averag...

Lift

...\frac{\operatorname{supp}(X\cup Y)}{\operatorname{supp}(X)\times\operatorname{supp}(Y)} Confidence 에서 분모에 support 값을 추가한 것과 같다. B) 예시 예를 들어, \{milk,bread\}\Rightarrow\{butter\} 의 lift 값은 \displaystyle\frac{0.2}{0.4\time...