FIM-Frequent Itemset Mining was int

FIM-Frequent Itemset Mining was introduced in 1993 when Agrawal analysised data model supermarkets [1] and as a base to expand into the other problems in the area of data mining.
In the study of the market, FIM in transaction database is to find the itemset often appear in the transaction. The FIM algorithm usually applied downward closure property [2] to increase the collective candidate pruning. Specifically, if there is an uncommon practice, the algorithm does not consider X files containing the candidate X, i.e. with a dataset containing n item and X contains k elements, the algorithm will not consider 2 (n-k )-2 sets containing X.
However, FIM is only interested to buy or not buy items that are not interested in profit for each item. Therefore, the problem of high extraction useful collection is in place. We consider the example in Table 1 on sales data [3] to better understand the problem of exploitation of common practice and HUI mining problem.

Kết quả (Việt) 2:

FIM-tập phổ biến Mining đã được giới thiệu vào năm 1993 khi Agrawal hiện phân tích siêu thị mô hình dữ liệu [1] và là cơ sở để mở rộng sang các vấn đề khác trong lĩnh vực khai thác dữ liệu.
Trong nghiên cứu về thị trường, FIM trong cơ sở dữ liệu giao dịch là để tìm ra tập phổ biến thường xuất hiện trong các giao dịch. Các thuật toán FIM thường được áp dụng bất động sản đóng cửa giảm [2] để tăng ứng cử viên tỉa tập thể. Cụ thể, nếu có một thực tế phổ biến, các thuật toán không xem xét các file X chứa các ứng cử viên X, tức là với một tập dữ liệu có chứa mục n và X chứa các yếu tố k, thuật toán sẽ không xem xét 2 (nk) -2 bộ chứa X.
Tuy nhiên , FIM là chỉ quan tâm để mua hay không mua các vật phẩm mà không quan tâm đến lợi nhuận cho mỗi mục. Vì vậy, vấn đề của bộ sưu tập hữu ích khai thác cao là ở chỗ. Chúng tôi xem xét ví dụ trong Bảng 1 trên dữ liệu bán hàng [3] để hiểu rõ hơn về vấn đề khai thác thực tế phổ biến và vấn đề khai thác HUI.