《表5 频繁项目集L4：基于模糊关联规则的教育大数据挖掘研究》
提示：宽带有限、当前游客访问压缩模式
经过以上数据预处理，现采用改进的模糊关联规则挖掘算法对数据进行挖掘。最小支持度为0.2，最小置信度为0.7，最终得到频繁项集L4如表5所示。
| 图表编号 | XD00189952800 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.11.05 |
| 作者 | 吴修国、邢奥林 |
| 绘制单位 | 山东财经大学管理科学与工程学院、山东财经大学管理科学与工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 数据集描述：基于多策略BPSO算法的关联规则挖掘》2021.02.28
- 《表6 课程间强关联规则：基于模糊关联规则的教育大数据挖掘研究》2020.11.05
- 《表4 转换结果部分数据：基于模糊关联规则的教育大数据挖掘研究》2020.11.05
- 《表2 二项集隶属度：基于模糊关联规则的教育大数据挖掘研究》2020.11.05
- 《表1 单项集隶属度：基于模糊关联规则的教育大数据挖掘研究》2020.11.05
- 《表2 模糊规则：大数据背景下基于Apriori算法的学生成绩与就业流向研究》2020.12.01
- 《表4 高效频繁项目集：基于HHUI的旅游产品套餐模式挖掘》2020.08.01
- 《表1 强关联规则：基于MapReduce的关联规则技术在电力营销大数据中的应用》2020.02.28
- 《表1 事务数据集：基于FP＿Growth关联规则挖掘的多轨道数字音频文件分类研究》2020.01.01
- 《表3 部分挖掘结果示例：基于频繁项集挖掘的零售医药企业药品关联研究》2019.12.01
- 《表1 客户交易记录：基于频繁项集挖掘的零售医药企业药品关联研究》2019.12.01
- 《表1 0 建模数据集：基于关联规则分析算法的集输系统泵能耗研究》2019.10.20
- 《表1 例1项目交易情况：基于邻接多重表的动态频繁项集挖掘算法》2019.11.16
- 《表1 医疗大数据类型：基于Spark机器学习实现医疗保险关联频繁模式的欺诈行为挖掘技术探讨》2019.05.15
- 《表4 关联规则：基于Spark机器学习实现医疗保险关联频繁模式的欺诈行为挖掘技术探讨》2019.05.15
- 《表4 频繁2项集L2：一种改进的关联规则挖掘算法研究》2018.06.20
- 《表3 频繁1项集L1：一种改进的关联规则挖掘算法研究》2018.06.20
- 《表5 模糊隶属度计算：基于改进多层次模糊关联规则的定量数据挖掘算法》2019.12.01
- 《表8 所有规则的自信度：基于改进多层次模糊关联规则的定量数据挖掘算法》2019.12.01
- 《表3 例子中的1级表示：基于改进多层次模糊关联规则的定量数据挖掘算法》2019.12.01