3.3.1 Poisson Distributionbased UAp

3.3.1 Poisson Distributionbased UApriori
In [31], the authors proposed the Poisson distributionbased approximate probabilistic frequent itemset mining algorithm, called PDUApriori. Since we know that the support of an itemset follows Poisson Binomial distribution that can be approximated by the Poisson distribution [12], the frequent probability of an itemset can be rewritten by the cumulative distribution function (CDF) of the Poisson distribution as follows.
Pr(X)  1 − e−λ
N×mXin sup
i=0
λi
i!
where λ equals the expected support in the above formula since the parameter λ in the Poisson distribution is the expectation. PDUApriori algorithm is implemented as follows.
Firstly, based on the given probabilistic frequent threshold pft, the algorithm computes the corresponding expected support λ . Then, the algorithm treats λ as the minimum expected support and runs the UApriori algorithm to find all the expected support-based frequent itemsets as all the probabilistic frequent itemsets.

Kết quả (Việt) 1:

3.3.1 Poisson Distributionbased UApriori[31], các tác giả đã đề xuất Poisson distributionbased gần đúng itemset xác suất thường xuyên algorithm khai thác mỏ, được gọi là PDUApriori. Kể từ khi chúng tôi biết rằng sự hỗ trợ của một itemset theo phân phối Poisson nhị thức có thể được ước chừng bằng cách phân phối Poisson [12], xác suất thường xuyên của một itemset có thể được viết lại bởi hàm phân phối tích lũy (CDF) của phân phối Poisson như sau.PR(X) 1 − e−λN × mXin supTôi = 0Λitôi!nơi λ bằng sự hỗ trợ dự kiến trong công thức trên kể từ khi λ tham số bản phân phối Poisson là kỳ vọng. Thuật toán PDUApriori được thực hiện như sau.Thứ nhất, dựa trên pft nhất định ngưỡng xác suất thường xuyên, các thuật toán tính λ dự kiến sẽ hỗ trợ tương ứng. Sau đó, các thuật toán xử lý λ là sự hỗ trợ mong đợi tối thiểu và chạy các thuật toán UApriori để tìm tất cả các dự kiến sẽ dựa trên hỗ trợ thường xuyên itemsets là tất cả các xác suất thường xuyên itemsets.

Kết quả (Việt) 2:

3.3.1 Poisson Distributionbased UApriori
Trong [31], các tác giả đề xuất các Poisson distributionbased xấp xỉ xác suất thuật toán khai thác tập phổ biến, được gọi là PDUApriori. Vì chúng ta biết rằng sự hỗ trợ của một tập phổ biến sau Poisson phân phối nhị thức có thể được xấp xỉ bởi sự phân bố Poisson [12], xác suất thường xuyên của một tập phổ biến có thể được viết lại bởi hàm phân phối tích lũy (CDF) của phân phối Poisson như sau.
Pr (X) ? 1 - e-λ
N × mXin sup
i = 0
λi
i!
Nơi λ bằng sự hỗ trợ dự kiến trong công thức trên từ λ tham số trong việc phân phối Poisson là sự mong đợi. Thuật toán PDUApriori được thực hiện như sau.
Thứ nhất, dựa trên pft ngưỡng thường xuyên xác suất nhất định, các thuật toán tính toán tương ứng với dự kiến hỗ trợ λ. Sau đó, các thuật toán xử lý λ là tối thiểu dự kiến hỗ trợ và chạy thuật toán UApriori để tìm tất cả các hỗ trợ dựa trên tập phổ biến dự kiến thường xuyên như tất cả các tập phổ biến xác suất.