4.2 Generating High-Utility Itemset

4.2 Generating High-Utility Itemsets from UP-Hist Tree
In this subsection, we present our approach to calculate better utility estimates of
itemsets and nodes using histograms. Subsequently, we give a proof of correctness
of our estimates. Finally, we illustrate the advantage of using histograms with
an example.
Our algorithm 1 is a pattern-growth recursive algorithm. The algorithm picks
every item in a bottom-up manner from the header. If the picked item is of high
utility and can generate high utility itemsets, a local tree is generated for that
item, which is further explored in a recursive manner. At every expansion of 4.2 Generating High-Utility Itemsets from UP-Hist Tree
In this subsection, we present our approach to calculate better utility estimates of
itemsets and nodes using histograms. Subsequently, we give a proof of correctness
of our estimates. Finally, we illustrate the advantage of using histograms with
an example.
Our algorithm 1 is a pattern-growth recursive algorithm. The algorithm picks
every item in a bottom-up manner from the header. If the picked item is of high
utility and can generate high utility itemsets, a local tree is generated for that
item, which is further explored in a recursive manner. At every expansion of a prefix, the utility of prefix in the local tree is estimated to decide whether
further exploration is worthy. Our algorithm generates these utility estimates
using histograms. We discuss the strategies of computing estimates and process
of constructing a local UP-Hist tree further.
In order to compute the estimates for an item-node Ni of a tree having a
support count s, we define two primitive operations, namely minC(Ni, s) and
maxC(Ni, s), that computes the minimum (lb) and maximum (ub) number of
item copies for a given number of transactions.

Kết quả (Việt) 1:

4.2 tạo tiện ích cao Itemsets từ UP-Hist câyTrong tiểu mục này, chúng tôi trình bày cách tiếp cận của chúng tôi để tính toán tốt hơn tiện ích ước tính củaitemsets và nút bằng cách sử dụng histograms. Sau đó, chúng tôi đưa ra một chứng minh tính đúng đắncủa chúng tôi ước tính. Cuối cùng, chúng tôi minh họa cho lợi thế của việc sử dụng histograms vớimột ví dụ.Thuật toán của chúng tôi 1 là một thuật toán đệ quy mô hình tăng trưởng. Chọn thuật toánmỗi mục trong một cách dưới lên từ các tiêu đề. Nếu mục chọn là của caoTiện ích và có thể tạo tiện ích cao itemsets, một cây địa phương được tạo ra cho rằngmục, mà tiếp tục khám phá một cách đệ quy. Tại mỗi mở rộng của 4.2 tạo tiện ích cao Itemsets từ UP-Hist câyTrong tiểu mục này, chúng tôi trình bày cách tiếp cận của chúng tôi để tính toán tốt hơn tiện ích ước tính củaitemsets và nút bằng cách sử dụng histograms. Sau đó, chúng tôi đưa ra một chứng minh tính đúng đắncủa chúng tôi ước tính. Cuối cùng, chúng tôi minh họa cho lợi thế của việc sử dụng histograms vớimột ví dụ.Thuật toán của chúng tôi 1 là một thuật toán đệ quy mô hình tăng trưởng. Chọn thuật toánmỗi mục trong một cách dưới lên từ các tiêu đề. Nếu mục chọn là của caoTiện ích và có thể tạo tiện ích cao itemsets, một cây địa phương được tạo ra cho rằngmục, mà tiếp tục khám phá một cách đệ quy. Tại mỗi mở rộng một tiền tố, Tiện ích của các tiền tố trong cây địa phương được ước tính để quyết định cho dùtiếp tục thăm dò là xứng đáng. Thuật toán của chúng tôi tạo ra các ước tính tiện íchsử dụng histograms. Chúng tôi thảo luận về các chiến lược tính toán ước tính và quá trìnhxây dựng một địa phương UP-Hist cây hơn nữa.Để tính toán các ước tính cho một mục nút bởi một cây có mộthỗ trợ tính s, chúng tôi xác định hoạt động hai nguyên thủy, cụ thể là minC (Ni, s) vàmaxC (Ni, s), tính tối thiểu (lb) và số tối đa (ub)mục các bản sao cho một số giao dịch nhất định.

Kết quả (Việt) 2:

4.2 Tạo cao Utility tập phổ biến từ UP-Hist Tree
Trong tiểu mục này, chúng tôi trình bày cách tiếp cận của chúng tôi để tính toán tiện ích tốt hơn các
tập phổ biến và các nút bằng biểu đồ. Sau đó, chúng tôi đưa ra một bằng chứng về tính đúng đắn
của các ước tính của chúng tôi. Cuối cùng, chúng tôi minh họa các lợi thế của việc sử dụng biểu đồ với
một ví dụ.
Thuật toán của chúng tôi 1 là một thuật toán đệ quy mô tăng trưởng. Các thuật toán chọn
tất cả các mục trong một cách từ dưới lên từ tiêu đề. Nếu mục chọn là cao
tiện ích và có thể tạo ra tập phổ biến tiện ích cao, một cây địa phương được tạo ra cho rằng
mục, đó là tiếp tục khám phá một cách đệ quy. Tại mỗi mở rộng 4.2 Tạo cao Utility tập phổ biến từ UP-Hist Tree
Trong tiểu mục này, chúng tôi trình bày cách tiếp cận của chúng tôi để tính toán tiện ích tốt hơn các
tập phổ biến và các nút bằng biểu đồ. Sau đó, chúng tôi đưa ra một bằng chứng về tính đúng đắn
của các ước tính của chúng tôi. Cuối cùng, chúng tôi minh họa các lợi thế của việc sử dụng biểu đồ với
một ví dụ.
Thuật toán của chúng tôi 1 là một thuật toán đệ quy mô tăng trưởng. Các thuật toán chọn
tất cả các mục trong một cách từ dưới lên từ tiêu đề. Nếu mục chọn là cao
tiện ích và có thể tạo ra tập phổ biến tiện ích cao, một cây địa phương được tạo ra cho rằng
mục, đó là tiếp tục khám phá một cách đệ quy. Tại mỗi mở rộng của một tiền tố, tiện ích của tiền tố trong cây địa phương ước tính để quyết định có
tiếp tục thăm dò là xứng đáng. Thuật toán của chúng tôi tạo ra những ước tính tiện ích
sử dụng biểu đồ. Chúng tôi thảo luận về các chiến lược tính toán dự toán và quá trình
xây dựng một cây UP-Hist địa phương hơn nữa.
Để tính toán các ước tính cho một mục-node Ni của một cây có
hỗ trợ đếm s, chúng ta định nghĩa hai hoạt động sơ khai, cụ thể là Minc (Ni , s) và
maxC (Ni, s), mà tính tối thiểu (lb) và tối đa (ub) số
bản mục cho một số lượng nhất định các giao dịch.