我正在学习mahout中的fpgrowth，我发现了出生频繁项集的功能，但是如何使用mahout来形成频繁项集的规则呢？它还没有在mahout中实现吗？
浏览 0提问于2012-07-17得票数 1
2回答
假设"1,2,3“是用户的in，活动意味着最近一个月访问堆栈溢出的人(0=passive，1=active)，并且存在正反两种投票。
id question votes active
1 1 -1, +1, -1, -1, -1 0
1 2 -1, +1, -1, -1, +1 0
2 1 +1, +1, -1, -1 0
3 1 +1, +1, +1, -1, +1 1
浏览 0提问于2015-04-25得票数 6
我加入了一个有着悠久的提交历史的新项目，我想用这个历史向我展示这个项目中的热点:那些最常见的(最近的)编辑过的文件。
理想情况下，我希望避免编写超过几行脚本(ruby、python、javascript；不管哪一行)。
有人知道一个一行可以根据提交历史中的活动对git项目文件进行排序吗？
浏览 3提问于2013-08-28得票数 10
回答已采纳
1回答
我在一个项目中工作，其中输入文件被提供给，它被要求首先输出最小支持0.01的所有长度的频繁类别。然后是所有的频繁类别集。
目标是在文件中写入以下具有绝对支持(计数)的数据，例如：
2851:快餐；餐馆
我以列表的形式检索所有数据
data = []
with open("categories.txt") as file:
for line in file:
line = line.replace("\n", "")
line = line.split(";")
data.append(line)
我的问题是
浏览 1提问于2017-03-23得票数 1
我目前正在hadoop上实现一个parallel-for，以便按照用户的指定多次迭代映射器。有没有人能帮我举个有用的例子，让我用我的实现来进行测试。Hadoop中需要迭代Mapper函数的一些应用程序。谢谢
浏览 3提问于2011-07-17得票数 1
回答已采纳
1回答
我最近遇到了这行代码，它所做的就是遍历一个数组并返回最常看到的值。例如，1,1,2,1,3，因此它将返回1，因为它看起来大于2和3。我试图理解它是如何工作的，所以我所做的是，我在visual studio中一步一步地了解了它，但它没有任何影响。
有人能帮我理解一下这里发生了什么吗？如果有人能告诉我c是做什么的，以及if语句中参数背后的逻辑是什么，那就太好了。
int[] arr = a;
int c = 1, maxcount = 1, maxvalue = 0;
int result = 0;
for (int i = 0; i < arr.Length
浏览 0提问于2015-03-11得票数 1
1回答
算法测试方法
、、、
我对单元测试比较陌生，我想知道如何才能确保我的算法能够正确地返回传递给我函数的任何给定字符串中最常见的单词？
var test = "Let's figure. out what the most comm$on wor!!!!d is in the sentence."
func checkForRandomChracters(string: String) -> String {
let charactersToRemove = Array(".:?!,@#$%^*,")
let arrayOfChars = Array(st
浏览 0提问于2018-01-22得票数 0
回答已采纳
1回答
我正在读一篇关于Count-Min Sketch数据结构的文章，它根据错误概率参数和容差参数给出点和范围查询的概率答案。例如，“项x在数据流中出现的概率为10%”的问题可以由CM回答。
一个相关的重量级人物的问题也出现了。在为HH问题实现最小堆时，我注意到各种研究论文指出，只有当草图中项目的最小计数大于阈值时，我们才会插入到堆中。
我的问题是，这是否意味着我们正在概率地回答重量级人物的问题？相应的问题会是“在概率为10%的情况下，哪一项在数据流中是第二频繁的？”
浏览 6提问于2018-11-13得票数 0
2回答
在数据挖掘中，频繁项集的发现采用了Apriori算法、FP-树等不同的算法，这些都是模式评价方法吗？
浏览 2提问于2015-05-27得票数 2
回答已采纳
2回答
我正在寻找一种方法，可以在输入文件中找到至少由3个字符组成的所有重复序列，然后打印出最频繁的序列！它似乎需要对输入文件进行大量的字符串处理和密集的搜索，特别是因为要查找的模式的最大大小没有上限！
有没有什么有效的算法可以在尽可能少的处理和混乱的情况下做到这一点？我应该使用string.h .h，还是使用char数组更好？有什么关于如何开始的提示/有用的片段等吗？
tnx
浏览 0提问于2012-06-19得票数 1
2回答
谁能给我举一个关于如何使用window.frequent的例子？例如，我写了一个测试，
"define stream cseEventStream (symbol string, price float, time long);" +
"" +
"@info(name = 'query1') " +
"from cseEventStream[700 > price]#window.frequent(3, symbol) " +
"select symbol, price, time " +
&
浏览 0提问于2015-11-23得票数 2
1回答
作为一个练习，我必须建立一个卫星导航系统，计划最短和最快的路线从地点到地点。它必须尽可能快，我可以做到这一点，而不用太多的内存。
我很难决定用哪种结构来表示图形。我知道矩阵对稠密图更好，列表更适合稀疏图。我更倾向于使用列表，因为我假设添加顶点将是这个程序中最麻烦的部分。
我只想听听你们的意见。如果我把一个典型的路线图看作是一个图，其中不同的位置是节点，道路是边缘。你认为它是稀疏的还是密集的？在这种情况下，哪种结构看起来更好？
浏览 1提问于2016-04-19得票数 3
回答已采纳
1回答
在机器学习讲座幻灯片中，有人说没有针对KNN的特定模型，其中数据是KNN的模型。
之前的任务是最近中心分类器(NCC)，其中有两种方法，一种是fit_ncc，另一种是predict_ncc。因此，fit_ncc创建了一个模型，predict_ncc使用这个模型进行预测。
然而，对于KNN，它被写入数据就是模型。这句话我不清楚，我的问题是为什么数据是KNN的模型？
请看附件截图：
浏览 0提问于2020-05-20得票数 1
1回答
我想存储3到20维的50到10000个向量。我想知道将向量存储在哪个结构中，以便能够快速解决最近邻或近似最近邻问题。我将使用欧几里得、曼哈顿、最大和加权曼哈顿度量。
我开始研究这个问题，并发现(如果我错了，请纠正我)，当维度的数量比向量的数量小得多时，kd-tree可以做到这一点。性能可以是深次线性的(O(log(N)。
问题是，结构将很快发生变化。在程序的运行过程中，每个向量可能会发生数千次变化。此外，向量不需要保持它们的近似位置或规模。整个结构可以通过R^n“旅行”。
问题是，为了保持kd-tree的高性能，人们需要时不时地进行重新平衡。此操作可能与重新构建整个树一样昂贵。
如何解决kd-
浏览 0提问于2013-01-04得票数 2
回答已采纳
3回答
我知道以前有人问过这个问题，我有点掌握了如何比较密码和英语之间的频率表(这是我在我的程序中使用的语言)，但我不知道如何将它转化为代码。
void frequencyUpdate(std::vector< std::vector< std::string> > &file, std::vector<int> &freqArg) {
for (int itr_1 = 0; itr_1 < file.size(); ++itr_1) {
for (int itr_2 = 0; itr_2 < file.at(i
浏览 5提问于2015-03-03得票数 0
回答已采纳
2回答
MFU (最常用)页面替换算法什么时候比LRU (最不常用)有更好的性能？什么时候比LRU更糟糕？除了MFU页面替换算法的基本定义之外，我还可以在哪里找到信息？
浏览 6提问于2012-11-28得票数 3
1回答
不要假设我们为Web站点构建了Analytics，并且希望为今天显示N个最受欢迎的页面。该算法应满足两个要求：常量存储器和移动计数器。
常量存储器
可能会有数十亿页，我们不想把它们都记下来。该算法应该使用一些使用常量内存的智能概率计数器。有，但它似乎试图估计所有元素的计数，这里我们不关心所有元素，只关心顶N，所以也许有一些更好的、更简单的估计器？
移动计数器
顶部N页每天都是不同的，今天的前2页可能是/cats.html和/dogs.html，但是明天可能会有完全不同的东西，比如/pizza.html和/donuts.html。最简单的方法是每天重新启动计数器，这很好，但是也许有一些更聪明的方
浏览 1提问于2017-04-15得票数 2
6回答
我必须使用任何语言实现。代码应该是没有递归的串行代码。有没有可能在没有递归的情况下实现这样的算法？我不是在寻找代码，我只是需要一个如何做的解释。
浏览 0提问于2011-03-27得票数 6
我有一个包含60万行和15列"Col1, Col2 ... COl15"的csv文件。我想要生成关联规则，其中只有右边只有来自col15的值。我正在使用的apriori实现
它以如下方式计算每个项目集的minSupport：
oneCSet = returnItemsWithMinSupport(itemSet,
transactionList,
minSupport,
浏览 1提问于2017-09-20得票数 4
回答已采纳
1回答
我如何预测一组经常购买的物品？
、、、、
我有一个零售交易的数据集，不同的用户一起购买某些物品。例如，用户A同时购买牙膏、牙刷和牙线，用户B同时购买牙膏、洗发水和肥皂。
我需要为dataset中的每一项查找一个经常与其一起购买的项目列表。例如，人们可能会认为，无论何时购买牙刷，牙膏都可以成为经常与其一起购买的物品之一。
我试图使用Apriori算法，但这只会给我一组一起购买的物品，或者，我不知道是否可以对其进行修改，以预测数据集中的项目列表的频繁购买情况。
我还能在这里使用哪种算法？
浏览 0提问于2020-06-13得票数 2
1回答
我们有一个经典的网上商店数据库结构(产品，客户，销售)，我们希望实现一个经常购买在一起的功能。我们的软件在ASP.NET中，我们不知道PHP反向工程是如何在Magento完成的。
我们所需要的只是一个简单的经常在一起购买的东西(而不是像Magento这样的折扣)。
我知道这是机器学习，更常见的方法之一是Jaccard系数。这是推荐的方法吗？
但是，我的主要问题是，我在DB中创建的视图应该是什么样的呢？Jaccard系数和其他相关测试所要求的表的结构是什么，以便使用得最好？
浏览 0提问于2016-05-08得票数 1
假设您有一个数字(或字母)列表，如
1177783777297461145777267337774652113777236237118777
我想在这个列表中找到最常见的数字组合：
对于1位长的组合，它是此列表中最常见的数字。
对于2位长的组合，可能是'11‘。
对于3位数字-长组合-可能'777‘等
对于这样的任务，有什么特殊的算法吗？
好吧，我自己编写了以下代码(Java)。看起来，执行时间与数据大小乘以模式大小成正比：
public static void main(String[] args)
{
int DATA_SIZE = 10000;
i
浏览 2提问于2013-12-20得票数 2
回答已采纳
我无法想象以前没有人问过这个问题，但我到处都找遍了，也找不到答案。
我有一个可迭代的，它包含重复的元素。我希望计数每个元素在这个可迭代中出现的次数，并返回n个最频繁的元素。
我有一个工作代码，正是这样做的，但我真的怀疑这是最理想的方式来实现这一点。
use std::collections::{BinaryHeap, HashMap};
// returns n-th most frequent element in collection
pub fn most_frequent<T: std::hash::Hash + std::cmp::Eq + std::cmp::Ord>
浏览 1提问于2020-10-08得票数 3
回答已采纳
2回答
我需要使用KDD数据集为基于签名的入侵检测创建攻击签名。是否可以使用Apriori (或任何关联规则学习算法)来完成这项任务？如果没有，请提出替代方法。
浏览 2提问于2016-08-17得票数 0
回答已采纳
你有一个已知大小为n的键的数组或列表。这个列表中有多少个唯一键是未知的，可以小到0，最大到包括n。键没有特定的顺序，它们实际上不可能是，因为这些键没有大于或小于的概念，只有相等或不等的概念。现在，在你说hash map之前，我认为还有一个条件打破了这个想法:每个键的值都是私有的。您可以获得的有关密钥的唯一信息是它是否等于另一个密钥。所以基本上：
class key{
private:
T data;
...
public:
...
bool operator==(const key &k){return d
浏览 1提问于2013-02-13得票数 4
回答已采纳
3回答
当使用像SIFT，SURF这样的特征描述符时，近似最近邻是在图像之间进行匹配的最快方法吗？
浏览 6提问于2008-09-23得票数 2
回答已采纳
3回答
我正在使用一种apiori算法实现从事务集生成关联规则，并且我将获得以下关联规则。但是我得到了关联规则1->8我可以假设8->1因为有10个产品类，所以关联规则从0开始到9结束，但是使用这个算法我没有得到像8->2或9->1这样的东西，所以我可以将关联规则2->8反转到8->2吗?如果不能，有人可以指出更好的先验算法实现吗？
0-->5
0-->9
1-->2
1-->4
1-->5
1-->7
1-->8
1-->9
2-->3
2-->4
2-->5
2-->6
2-->7
2
浏览 1提问于2011-01-15得票数 1
2回答
我想将二进制向量(数百万个)聚类到k个聚类中，我使用hamming距离来寻找与初始聚类最近的邻居(这也非常慢)。我认为K-means聚类并不真正适合这里。问题在于计算到某个初始聚类中心的最近邻居(二进制向量)的平均值，以更新质心。
第二种选择是使用K-medoid，其中新的集群中心是从最近的邻居之一(对于特定集群中心的所有邻居最近的一个)中选择的。但是发现这是另一个问题，因为最近的邻居的数量也相当大。
有没有人能给我带路？
浏览 2提问于2013-06-11得票数 4
回答已采纳
我使用redis在我的一个应用程序中缓存，我需要每天存储大约500000个密钥，并需要为所有密钥设置过期。5天后，我将拥有大约250万个密钥&我已经为所有密钥设置了过期。是否可以为密钥设置EXPIRE &让redis每分钟扫描一次以找出expire密钥()。这会对性能产生多大的影响？
有没有更好的替代方案？
我试着在谷歌上搜索，但没有找到关于性能的信息。我主要关心的是性能和内存。
PS。目前，我的redis空间不足，因为我的redis服务器上有太多的密钥。
浏览 1提问于2014-11-26得票数 8
3回答
仍然排序的最优整数编码
、、、
UTF-8的优点之一是，如果您逐字节地比较两个字符串(与<)，您得到的答案就像您已经逐点比较了它们一样。我想知道是否有类似的编码在大小上是最佳的(例如，UTF-8“浪费”空间，用10 first标记字节，如果它们不是第一个表示代码点的字节)。
这里的最优性假设是，当n< m时，非负数n比数m更频繁。
我最感兴趣的是，是否有一种(字节可比的)编码，它适用于整数，n的频率要比m，如果要比m，则要高得多。
浏览 6提问于2012-05-20得票数 10
回答已采纳
1回答
我有多个字符串，它们是基于几个(大部分)已知变量和一些未知模板创建的。我想知道从这些字符串中提取变量部分的模板是什么。在此之后，我可以相对容易地推断出每个子字符串的含义，所以这里的问题只有模式识别。例如：
"76 (q) h"
"a x q y 123"
"c x e y 73"
"3 (e) z"
...
# pattern recognition: examples -> templates
"{1} x {2} y {3}"
"{1} ({2}) {3}"
# clusters ba
浏览 0提问于2018-03-06得票数 0
回答已采纳
我正在设置Redis 3.2.6集群。在此中，将更改以下参数，用于“优化内核网络堆栈”
vm.swappiness=0 # turn off swapping
net.ipv4.tcp_sack=1 # enable selective acknowledgements
net.ipv4.tcp_timestamps=1 # needed for selective acknowledgements
net.ipv4.tcp_window_scaling=1 # scale
浏览 3提问于2017-01-19得票数 2
回答已采纳
当您应用apriori()函数时，是否有可能从‘transactionID’对象中提取规则？eclat()算法有函数'tidLists= TRUE'，但我在apriori()中找不到它。
我可以使用itemsetInfo()从'transaction‘或'tidList’对象中提取这些信息，但我需要知道规则的制定涉及到哪个transactionID。
对于任何建议，我都会粘贴一个代码样本。
reglas <- apriori(trans,parameter = list(sup = 0.01,conf = 0.01,minlen=4),appearance
浏览 3提问于2020-12-04得票数 0
2回答
我需要在事件序列的数据库中找到常见的模式。因此，我考虑使用和来寻找解决方案。
请注意，我不仅仅搜索最长的公共子字符串:我接受经常出现在数据库中的较短的公共子字符串。
你能对这个问题提出一些算法，实现技巧或一般建议吗？
浏览 1提问于2012-04-01得票数 1
回答已采纳
6回答
我们正在建立一个商业应用程序(更精确地说是实验室管理系统)，主要是供内部公司使用。为了使用户更容易地找到他们工作的项目，我们正在实现一个最常用项目的列表。
我们对哪种方法更好地实现进行了一些争论:显示最新的和显示最常用的方法。
我对最近的
的观点
更容易实现。我认为这是值得一提的，因为我们正在处理的商业应用程序将作为一个单一的副本出售，因此这可能直接影响申请价格。此外，更简单的实现意味着更少的代码，并可能影响维护代码。
反驳:在这种情况下，执行困难的差别太小。
用户可以更容易地猜出他们在这个列表中会发现什么，这样他们就知道是否值得查看列表了。
相对于昨天使用了大量的物品，今天可能与此无关，而
浏览 0提问于2012-08-01得票数 4
回答已采纳
最近，一位同事给我看了一些他用LinkedList编写的代码，我无法理解它。
A -> b -> c -> d -> e -> f
如果我想从LinkedList中获得d，难道我不需要遍历这个列表，从a开始迭代到d，还是从f开始，然后迭代回d？
为什么我会关心d在集合中的物理存储位置？
浏览 0提问于2010-02-07得票数 1
回答已采纳
3回答
先验算法又老又慢。频繁的模式树要快得多。但是，无论是在R还是Python中，我都找不到频繁的模式树库。我肯定它们存在于某个地方。我不是在说可以在互联网上找到的自制代码。有谁知道频繁的模式库吗？
浏览 6提问于2016-07-07得票数 1
回答已采纳
2回答
我正在阅读笔记，其中似乎说:给定所有闭合频繁项集的集合及其支持计数，可以获得任何频繁项集的支持计数。
如果没有更大的项集正确地包含频繁项集，并且具有相同的支持数，则频繁项集称为关闭的。
试图证明这一点，但无法解决。
下面是一些关于关联规则挖掘定义的链接：
浏览 3提问于2011-05-25得票数 2
Boyer Moore多数投票算法采用了一种漂亮的方法，在第一次投票中突出可能的多数元素，然后在第二次投票中检查其有效性。有谁知道类似的2种传球算法吗？试着搜索却找不到。谢谢!！你能分享这两种算法中的一些吗？
浏览 7提问于2015-07-06得票数 0
回答已采纳
1回答
关于算法分析/性能？
、、、
如图所示，我有下面的结构来存储一组壁橱“曲线”在“切片”。“曲线”由实现为双向链表的“节点”组成。
下面是psuedo代码：
class Slice {
List<Curve*> curves;
}
class Curve {
int objectID;
Node *headNode;
}
class Node {
double x,
double y,
Node *next;
Node *previous
}
我使用QT画图方法渲染这个结构，我想选择离鼠标点最近的节点。
我要做的是，
a).Get“切片”中的每条“曲线”
b).Go遍历所选曲线中的所有
浏览 2提问于2011-11-14得票数 4
回答已采纳
1回答
我想使用K-最近邻方法从数据集中检索最近的树到输入树。树中的节点有值，但每棵树中的分支没有标签。
例如：
第一棵树：(S (V ) (N (P )) (V (V ) (N (D ) (N )
树2：(S (V (V ) (P (R )) (N (D ) (N )
我想用k近邻来解决这个问题。你有什么想法来解决这个问题吗？
浏览 2提问于2013-08-14得票数 0
回答已采纳
4回答
最近，我为64位integer (或long)实现了一个MersenneTwister。是否有关于如何测试PRNG的指南或示例，以便我可以知道我的实现是否足够好。我特别感兴趣的是如何验证我的实现是否具有足够好的均匀分布。
这与MersenneTwister绑定得越具体越好。
浏览 0提问于2010-12-04得票数 5
回答已采纳
2回答
考虑以下情况：
向潜在客户提供一份问卷，他们可以为每个问题选择一个、一个或多个答案。
自动算法应该根据客户的答案推荐最优的解决方案。
示例：
有三种可能的解决方案-- S1，S2，S3
问卷包含10个问题Q1，Q2…Q10
每个问题包含可变数量的可能答案，其中：
A1.1是对问题1的第一个答复。
A3.2是对问题3的第二个答复。
我希望能够根据客户提供的答案对以下解决方案进行建模：
A1.1，A1.3，A2.1，A3.2 => S1
A1.1，A1.3，A2.2 => S1
A1.2 => S2
A2.2
浏览 5提问于2010-09-15得票数 3
我正在创建一个应用程序，它允许我使用每个ping之间的时间间隔来ping IP或IP范围。我在这里担心的是，如果允许间隔太小，那么我的程序将出现ping泛洪。
我应该允许我的小应用程序中的最小间隔(以毫秒为单位)是多少？
浏览 1提问于2012-01-19得票数 1
回答已采纳
有点泡菜。试图在一个月内找到最常用的送货公司。假设公司在A栏，订单日期在B栏，我如何才能找到最重复的价值？
我一直在寻找一个解决方案，但什么也找不到，甚至考虑过手动浏览，但是每个月都有2000多个条目
浏览 2提问于2022-05-13得票数 1
7回答
我最后使用的是。我最近听说java正在为它开发一个API (JDM)。有没有人可以分享他们使用这些工具的经验。我最感兴趣的是使用分类/集群工具(weka在这里做得很好)，并且该工具应该有很好的API支持。
浏览 1提问于2009-01-07得票数 4
回答已采纳
5回答
我有大量的文本数据。我的整个数据库是UTF-8的文本格式。
我需要在我的整个文本数据中列出最重复的短语。
例如，我的愿望输出如下所示：
{
'a': 423412341,
'this': 423412341,
'is': 322472341,
'this is': 222472341,
'this is a': 122472341,
'this is a my': 5235634
}
处理和存储每个短语，占用大量的数据库。例如，存储在MySQL或MongoDB中。问题是，是否
浏览 11提问于2015-04-20得票数 22
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
实时音视频活动推荐
腾讯云开发者
