Time Complexity and Accuracy Analys

Time Complexity and Accuracy Analysis: The time complexity and the accuracy of different methods calculating or estimating the frequent probability of an itemset are shown in Table 4. We can find that, it is possible that DP algorithm is faster than DC algorithm if O(N2 × min sup) > O(NlogN). The Chernoff bound-based pruning spends O(N) to test whether an itemset is not a probabilistic frequent itemset and hence it is the fastest. In addition, with respect to the accuracy, itemsets must be probabilistic frequent itemsets if they can pass the test of DP and DC. However, for Chernoff bound-based pruning, there may exist a few false positive results because the Chernoff bound is only an upper bound of the frequent probability.

Kết quả (Việt) 1:

Thời gian phức tạp và phân tích chính xác: phức tạp thời gian và độ chính xác khác nhau phương pháp tính toán hoặc ước tính xác suất thường xuyên của một itemset được hiển thị trong bảng 4. Chúng tôi có thể tìm thấy rằng, nó có thể là DP thuật toán nhanh hơn so với DC thuật toán nếu O (N2 × min sup) > O(NlogN). Cắt tỉa ràng buộc dựa trên Chernoff dành O(N) để kiểm tra xem một itemset không phải là một xác suất itemset thường xuyên và do đó nó là nhanh nhất. Ngoài ra, đối với độ chính xác, itemsets phải là xác suất thường xuyên itemsets nếu họ có thể vượt qua thử nghiệm của DP và DC. Tuy nhiên, cho Chernoff dựa trên ràng buộc cắt tỉa, có thể tồn tại một vài kết quả sai tích cực bởi vì ràng buộc Chernoff là chỉ một ràng buộc của xác suất thường xuyên.

Kết quả (Việt) 2:

Thời gian phức tạp và chính xác Phân tích: Sự phức tạp thời gian và tính chính xác của các phương pháp khác nhau tính toán hoặc ước lượng xác suất thường xuyên của một tập phổ biến được trình bày trong Bảng 4. Chúng ta có thể thấy rằng, nó có thể là thuật toán DP là nhanh hơn so với thuật toán DC nếu O (N2 × min sup)> O (NlogN). Cắt tỉa Chernoff ràng buộc dựa trên dành O (N) để kiểm tra xem một tập phổ biến không phải là một tập phổ biến xác suất và do đó nó là nhanh nhất. Ngoài ra, đối với tính chính xác với, tập phổ biến phải được tập phổ biến xác suất nếu họ có thể vượt qua các thử thách của DP và DC. Tuy nhiên, cho Chernoff ràng buộc dựa trên cắt tỉa, có thể tồn tại một vài kết quả dương tính giả vì Chernoff ràng buộc chỉ là một ràng buộc trên của xác suất thường xuyên.