商务智能计算题总结

1.Apriori算法

若项目集X的支持度大于或等于用户指定的最小支持度（minsupport），则项目集X称为频繁项目集（或大项目集），否则项目集X为非频繁项目集（或小项目集）。
若关联规则X->Y的支持度和置信度分别大于或等于用户指定的最小支持率minsupport和最小置信度minconfidence，则称关联规则X->Y为强关联规则，否则称关联规则X->Y为弱关联规则。
频繁项集的任何子集也一定是频繁的。
例：minsup = 2/4

生成关联规则

为每个频繁项集l, 生成非空子集s; 若满足：

则输出规则：(l-s) →s
e.g： l=ABCD, s = D , (l-s)= ABC
confidence(ABC →D)=support(ABCD)/support(ABC)

2.贝叶斯

3.信息熵entropy(D)

4.余弦相似度

5.k均值方法 （k-means)

根据所给的数据通过对其实施k-means (设n=8，k=2),，其主要执行执行步骤：
第一次迭代：假定随机选择的两个对象，如序号1和序号3当作初始点，分别找到离两点最近的对象，并产生两个簇{1，2}和{3，4，5，6，7，8}。对于产生的簇分别计算平均值，得到平均值点。对于{1，2}，平均值点为（1.5，1）;对于{3，4，5，6，7，8}，均值点为（3.5，3）。

第二次迭代：通过平均值调整对象的所在的簇，重新聚类，即将所有点按离平均值点（1.5，1）、（3.5，1）最近的原则重新分配。得到两个新的簇：{1，2，3，4}和{5，6，7，8}。重新计算簇平均值点，得到新的平均值点为（1.5，1.5）和（4.5，3.5）。

第三次迭代：将所有点按离平均值点（1.5，1.5）和（4.5，3.5）最近的原则重新分配，调整对象，簇仍然为{1，2，3，4}和{5，6，7，8}，发现没有出现重新分配，而且准则函数收敛，程序结束。