文档建议反馈控制台
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

Apriori算法-在生产数据中寻找关联

Apriori算法是一种经典的数据挖掘算法，用于在大规模数据集中寻找频繁项集和关联规则。它是基于频繁项集的性质，通过逐层搜索的方式来减少搜索空间，从而提高算法的效率。

Apriori算法的主要步骤包括：

  1. 初始化：扫描数据集，统计每个项的支持度，并根据设定的最小支持度阈值筛选出频繁1项集。
  2. 生成候选项集：根据频繁k-1项集，通过连接操作生成候选k项集。
  3. 剪枝：对候选k项集进行剪枝操作，去除不满足Apriori性质的项集。
  4. 计算支持度：扫描数据集，统计每个候选项集的支持度，并根据设定的最小支持度阈值筛选出频繁k项集。
  5. 生成关联规则：根据频繁项集，通过递归方式生成关联规则，并计算规则的置信度。

Apriori算法的优势在于能够有效地挖掘大规模数据集中的频繁项集和关联规则。它可以应用于各种领域，如市场篮子分析、推荐系统、网络流量分析等。

在腾讯云中，可以使用云原生的容器服务Kubernetes来部署和管理Apriori算法的相关应用。Kubernetes提供了高可用性、弹性伸缩和自动化管理等特性，能够有效地支持大规模数据处理和分析任务。

腾讯云的Kubernetes产品介绍链接地址：https://cloud.tencent.com/product/tke

同时，腾讯云还提供了丰富的大数据和人工智能相关产品，如云数据库、云函数、人工智能平台等，可以与Apriori算法结合使用，实现更复杂的数据挖掘和分析任务。

腾讯云的大数据产品介绍链接地址：https://cloud.tencent.com/product/cdb

腾讯云的人工智能产品介绍链接地址：https://cloud.tencent.com/product/ai

相关搜索:关于在python中为apriori算法编码关联规则的问题在python2.7中运行Apriori算法在NLTK中寻找n-gram背后的思想或算法是什么？静态生产数据在rails中位于何处？在多分支树中寻找“下一个邻居匹配”的算法在sails中隐藏关联模型的数据Apriori结果的数据表输出未显示在R Shiny应用程序中用find_peaks_cwt在噪声数据中寻找峰值如何使用upsetplot python在pandas数据帧中寻找交集如何使用关联数组在表中插入数据？在Sequelize中填充没有关联id的数据在Ionic 3中根据开发和生产环境显示数据我在php中寻找比substr_count($string，$needle，$offset，$length)更好的算法复杂度无法在cakephp3中更新关联的hasMany数据在flask sqlachemy的三列关联表中插入数据尝试在表单数据中传入关联数组数组在Spring数据中，删除关联@ManyToMany并不总是有效的在邮件中插入与唯一ID关联的Excel数据在倒排索引中寻找无序值数组的交集的好数据结构？在Ruby中关联数据表并自动更新它们
相关搜索:
页面内容是否对你有帮助？
有帮助
没帮助

相关·内容

【数据挖掘】关联规则挖掘 Apriori 算法 ( Apriori 算法过程 | Apriori 算法示例 )

文章目录 一、 Apriori 算法过程 二、 Apriori 算法示例 参考博客 : 【数据挖掘】关联规则挖掘 Apriori 算法 ( 关联规则简介 | 数据集 与 事物 Transaction 概念...| 项 Item 概念 | 项集 Item Set | 频繁项集 | 示例解析 ) 【数据挖掘】关联规则挖掘 Apriori 算法 ( 关联规则 | 数据项支持度 | 关联规则支持度 ) 【数据挖掘】...关联规则挖掘 Apriori 算法 ( 置信度 | 置信度示例 ) 【数据挖掘】关联规则挖掘 Apriori 算法 ( 频繁项集 | 非频繁项集 | 强关联规则 | 弱关联规则 | 发现关联规则 ) 【...数据挖掘】关联规则挖掘 Apriori 算法 ( 关联规则性质 | 非频繁项集超集性质 | 频繁项集子集性质 | 项集与超集支持度性质 ) 一、 Apriori 算法过程 ---- 原始数据集 \rm...L_k , 二、 Apriori 算法示例 ---- 事物编号 事物 ( 商品 ) 001 001

1.2K00

数据挖掘|关联规则Apriori算法

01 — 关联规则挖掘背景和基本概念 如下所示的数据集，表中的每一行代表一次购买清单，注意我们只关心记录出现与否，不关心某条记录购买了几次，如购买十盒牛奶也只计一次。...数据记录的所有项的集合称为总项集，上表中的总项集： S={牛奶,面包,尿布,啤酒,鸡蛋,可乐} 关联规则 就是有关联的规则，形式是这样定义的：两个不相交的非空集合X、Y，如果有 X->Y，就说X-->Y...关联规则的强度用支持度(support)和自信度(confidence)来描述。 支持度 support(X-->Y) = 集合X与集合Y中的项在一条记录中同时出现的次数 / 数据记录的个数。...例如：support({啤酒}-->{尿布}) = 啤酒和尿布同时出现的次数 / 数据记录数 = 3/5=60% 自信度 confidence(X-->Y) = 集合X与集合Y中的项在一条记录中同时出现的次数...03 — 关联规则挖掘优化算法之Apriori算法 关联规则挖掘分两步进行： 　　1）生成频繁项集 这一阶段找出所有满足最小支持度的项集，找出的这些项集称为频繁项集。

1.6K50

    • 数据挖掘十大算法（四）：Apriori（关联分析算法）

    同样的该算法也是在一堆数据集中寻找数据之间的某种关联，这里主要介绍的是叫做Apriori的‘一个先验’算法，通过该算法我们可以对数据集做关联分析——在大规模的数据中寻找有趣关系的任务，本文主要介绍使用Apriori...算法发现数据的（频繁项集、关联规则）。...对于上图，虽然仅有4中物品，也需要遍历数据15次。随着物品数目的增加，遍历次数会急剧增加，对于包含 N 种物品的数据集共有 2^N−1 种项集组合。...（由于我个人叙述可能不太清楚，所以这里引用作者的原话我觉得更好理解一点，稍微有点详细）： 以上便是引用作者对这三个函数的详细描述，在函数中的具体代码，我也有相关的注释，慢慢来应该能够理解的。...下面对一个毒蘑菇的例子进行运算，检查一下在实际数据中的反应： 第一个特征表示有毒或者可以使用。如果有毒则为2，可以食用为1。

    1.9K20

    Weka数据挖掘Apriori关联规则算法分析用户网购数据

    网购用户关联规则算法分析设计 本文分别用Apriori算法对数据进行处理挖掘，具体结果如下所示。...（1）Apriori算法  虽然 Apriori 算法可以直接挖掘生成表中的交易数据集，但是为了关联挖掘其他算法的需要先把交易数据集转换成分析数据集，构建的数据流程图如图 1 所示。...图 1 商品关联规则 Apriori 算法挖掘流图 关联规则模型Apriori模型参数设置 通过格式转换， 设最低条件支持度为15%，最小规则置信度为30%，最大前项数为5，选择专家模式，挖掘出最有价值的...，本文讨论了关联规则挖掘在用户网购策略中的应用。...利用WEKA软件，通过实例分析了频繁项集及关联规则生成的过程，采用Apriori算法对数据分别进行了解析挖掘，针对挖掘结果提出了相应的建议，对电商网站的发展有着到重要的现实的意义。    ----

    75930

    【数据挖掘】关联规则挖掘 Apriori 算法 ( 关联规则 | 数据项支持度 | 关联规则支持度 )

    文章目录 一、 关联规则 二、 数据项支持度 三、 关联规则支持度 参考博客 : 【数据挖掘】关联规则挖掘 Apriori 算法 ( 关联规则简介 | 数据集 与 事物 Transaction 概念 |...项 Item 概念 | 项集 Item Set | 频繁项集 | 示例解析 ) 一、 关联规则 ---- 关联规则 是指 : 某些 项集 出现在一个 事务 中 , 可以推导出 : 另外一些 项集 也出现在同一个...事务 中 ; 如 : 事物 2 : t_2 = \{ 莴苣 , 尿布 , 啤酒 , 甜菜 \} \{ 啤酒 \} 1 项集 出现在购买清单 事务 2 中 , \{ 尿布 \} 1 项集...也出现在购买清单 事务 2 中 ; 二、 数据项支持度 ---- 支持度 表示 数据项 ( Item ) 在 事务 ( Transaction ) 中的 出现频度 ; 支持度公式 : \rm Support...D 中含有项集 \rm X 的事务个数 ; \rm count(D) 指的是 数据集 \rm D 的事务总数 ; 示例 : 【数据挖掘】关联规则挖掘 Apriori 算法 ( 关联规则简介

    1.2K01

    【数据挖掘】关联规则挖掘 Apriori 算法 ( 置信度 | 置信度示例 )

    文章目录 一、 置信度 二、 置信度 示例 参考博客 : 【数据挖掘】关联规则挖掘 Apriori 算法 ( 关联规则简介 | 数据集 与 事物 Transaction 概念 | 项 Item 概念 |...项集 Item Set | 频繁项集 | 示例解析 ) 【数据挖掘】关联规则挖掘 Apriori 算法 ( 关联规则 | 数据项支持度 | 关联规则支持度 ) 一、 置信度 ---- 关联规则 \rm...X \Rightarrow Y 的置信度 , 表示 数据集 \rm D 中包含 \rm X 项集的事物 , 同时有多大可能性包含 \rm Y 项集 , 等于 项集 \rm X \cup...公式为 : \rm confidence (X \Rightarrow Y) = \cfrac{support (X \cup Y)}{support (X)} 二、 置信度 示例 ---- 示例 : 数据集...001 奶粉 , 莴苣 002 莴苣 , 尿布 , 啤酒 , 甜菜 003 奶粉 , 尿布 , 啤酒 , 橙汁 004 奶粉 , 莴苣 , 尿布 , 啤酒 005 奶粉 , 莴苣 , 尿布 , 橙汁 求关联规则

    60500

    R语言关联规则挖掘apriori算法挖掘评估汽车性能数据

    而关联分析就是在大量数据中发现项集之间有趣的关联和相关联系（形如“由于某些事件的发生而引起另外一些事件的发生”）。 我们的生活中有许多关联，一个典型例子是购物篮分析。...本文运用Apriori算法帮助客户对汽车性能相关数据进行数据挖掘，探索变量间的关联性。为汽车厂商分类汽车性能提供参考。汽车性能数据这个数据模型用于评估车的性能方面的好坏。...数据分析框架本文使用关联规则挖掘apriori算法来发现车的性能价格等属性的常见模式和规则：1 数据预处理：包括读取数据，清理缺失数据，将数据转化成关联挖掘数据类型。...----最受欢迎的见解1.Python中的Apriori关联算法-市场购物篮分析2.R语言绘制生存曲线估计|生存分析|如何R作生存曲线图3.用关联规则数据挖掘探索药物配伍中的规律4.通过Python中的...Apriori算法进行关联规则挖掘5.用关联规则数据挖掘探索药物配伍中的规律6.采用SPSS Modeler的Web复杂网络对所有腧穴进行分析7.R语言如何在生存分析与COX回归中计算IDI，NRI指标

    36710

    【数据挖掘】关联规则挖掘 Apriori 算法 ( 频繁项集 | 非频繁项集 | 强关联规则 | 弱关联规则 | 发现关联规则 )

    文章目录 一、 频繁项集 二、 非频繁项集 三、 强关联规则 四、 弱关联规则 五、 发现关联规则 参考博客 : 【数据挖掘】关联规则挖掘 Apriori 算法 ( 关联规则简介 | 数据集 与 事物...Transaction 概念 | 项 Item 概念 | 项集 Item Set | 频繁项集 | 示例解析 ) 【数据挖掘】关联规则挖掘 Apriori 算法 ( 关联规则 | 数据项支持度 | 关联规则支持度...) 【数据挖掘】关联规则挖掘 Apriori 算法 ( 置信度 | 置信度示例 ) 一、 频繁项集 ---- 项集 \rm X 的 支持度 \rm support(X) , 大于等于 指定的...X \Rightarrow Y 是 弱关联规则 ; 五、 发现关联规则 ---- 发现关联规则 : 从 数据集 \rm D 中 , 发现 支持度 \rm support , 置信度 \rm...confidence , 大于等于给定 最小阈值 的 强关联规则 ; 目的是 发现 强关联规则 ;

    1.8K01

    转：Apriori算法，挖掘数据集中项集的关联规则学习经典

    Apriori算法是一种用于挖掘数据集中频繁项集的关联规则学习的经典算法。它基于“Apriori原理”，即如果一个项集是频繁的，那么它的所有子集也必须是频繁的。该算法通过不断生成新的频繁项集来实现。...Apriori算法的基本步骤如下：设置最小支持阈值（例如总交易额的2％）并扫描数据集以生成符合阈值的频繁项集的列表。使用第1步中的频繁项集生成下一级的候选项集列表，这些项集至少具有一个共同的项目。...再次扫描数据集，确定哪些候选项集实际上是频繁的，即检查它们是否符合支持阈值。重复步骤2和3，直到不能生成更多的频繁项集。使用之前步骤生成的频繁项集生成关联规则。...Apriori算法具有较高的时间复杂度，因此不适合大型数据集。但是，已经开发了几种优化版本来提高其效率。...这是一个在 Python 中实现 Apriori 算法的示例： import itertools def apriori(transactions, min_support): # 创建事务中唯一项目的列表

    14720

    【数据挖掘】数据挖掘总结 ( 模式挖掘 | Apriori 算法 | 支持度 | 置信度 | 关联规则 ) ★★

    文章目录 一、 支持度 置信度 二、 频繁项集 三、 非频繁项集 四、 Apriori 算法过程 五、模式挖掘示例 一、 支持度 置信度 ---- 给定 \rm X , Y 两个项集 , 并且有...\rm X \geq Y ; 支持度 : \rm X \Rightarrow Y 的支持度是 \rm X , Y 两个项集在数据库 \rm D 中 同时出现的概率 , 即 \rm Pr(...X \cup Y) 置信度 : \rm X \Rightarrow Y 的置信度度是 \rm X 出现的前提下 , \rm Y 项集在数据库 \rm D 中同时出现的概率 , 即 \rm...\rm k 项集 \rm L_k , 参考博客 : 【数据挖掘】关联规则挖掘 Apriori 算法 ( Apriori 算法过程 | Apriori 算法示例 ) 五、模式挖掘示例 ----...算法找出所有频繁项集 ; ( 2 ) 写出关联规则 ; ( 1 ) 使用 Apriori 算法找出所有频繁项集 : 根据原始数据集 \rm D 创造 1 项集 \rm C_1 , 如下 :

    76200

    HAWQ + MADlib 玩转数据挖掘之（七）——关联规则方法之Apriori算法

    关联规则挖掘除了应用于购物篮分析，在其它领域也得到了广泛应用，包括生物工程、互联网分析、电信和保险业的错误校验等。         Apriori数据挖掘算法使用事务数据。...MADlib的关联规则函数假设数据存储在事务ID与项目两列中。...在搜索频繁项集时，最简单、最基本的算法就是Apriori算法。算法的名字基于这样一个事实：算法使用频繁项集的先验知识。Apriori使用一种被称作逐层搜索的迭代方法，k项集用于搜索（k+1）项集。...四、Madlib中的Apriori算法函数         Madlib的assoc_rules函数生成所有满足给定最小支持度和最小置信度的关联规则。 1....因此用提升度作为度量，结果中的7个规则都是无效的。 参考文献： 《大数据挖掘——系统方法与实力分析》：讲述关联规则的基本概念及其Apriori算法实例。

    1.5K60

    R语言改进关联规则挖掘Apriori在超市销售数据可视化

    因此，本文为了验证Apriori算法的可行性，使用了来自超市交易数据集，采用了顾客在超市购买的数据进行分析，从这些数据中找出有价值的规则，从而为超市提供有价值的营销策略。...关联规则 关联规则挖掘是数据挖掘领域成果颇丰而且比较活跃的研究分支，用于寻找给定数据集中数据项之间的有趣的关联或相关关系。...(3)营业员在顾客购买了一种商品后，适当推荐另一种商品，如顾客购买了牛奶可以对其推荐小甜饼。(4)在生产与发货运输上将关联产品配套安排。...该算法通过扫描事务数据库来识别频繁项集，然后使用频繁项集生成关联规则。然而，Apriori算法在处理大规模数据集时效率较低，因为它需要多次扫描数据库。...总结 数据挖掘中的关联规则侧重于不同对象之间的联系，本文讨论了关联规则挖掘在超市销售中的应用。

    16800

    R语言改进关联规则挖掘Apriori在超市销售数据可视化

    因此，本文为了验证Apriori算法的可行性，使用了来自超市交易数据集，采用了顾客在超市购买的数据进行分析，从这些数据中找出有价值的规则，从而为超市提供有价值的营销策略。...关联规则 关联规则挖掘是数据挖掘领域成果颇丰而且比较活跃的研究分支，用于寻找给定数据集中数据项之间的有趣的关联或相关关系。...(3)营业员在顾客购买了一种商品后，适当推荐另一种商品，如顾客购买了牛奶可以对其推荐小甜饼。(4)在生产与发货运输上将关联产品配套安排。...该算法通过扫描事务数据库来识别频繁项集，然后使用频繁项集生成关联规则。然而，Apriori算法在处理大规模数据集时效率较低，因为它需要多次扫描数据库。...总结 数据挖掘中的关联规则侧重于不同对象之间的联系，本文讨论了关联规则挖掘在超市销售中的应用。

    19420

    MADlib——基于SQL的数据挖掘解决方案（27）——关联规则之Apriori算法

    关联规则挖掘在多个领域得到了广泛应用，包括互联网数据分析、生物工程、电信和保险业的错误校验等。本篇将介绍关联规则方法、Apriori算法和MADlib的Apriori相关函数。...1994年，又提出了著名的Apriori算法，至今仍然作为关联规则挖掘的经典算法被广泛讨论。 Apriori数据挖掘算法使用事务数据。...MADlib的关联规则函数假设数据存储在事务ID与项目两列中。...因此规则网球拍=>网球是无效的强关联规则。 二、Apriori算法 1. Apriori算法基本思想 关联规则挖掘分为两步：1. 找出所有频繁项集；2.由频繁项集产生强关联规则。...在搜索频繁项集时，最简单、最基本的算法就是Apriori算法。算法的名字基于这样一个事实：使用频繁项集的先验知识。Apriori使用一种被称作逐层搜索的迭代方法，k项集用于搜索（k+1）项集。

    1.3K40

    【机器学习算法系列】如何用Apriori寻找到繁杂数据之间的隐藏关系

    大型超市有海量交易数据，我们可以通过聚类算法寻找购买相似物品的人群，从而为特定人群提供更具个性化的服务。但是对于超市来讲，更有价值的是如何找出商品的隐藏关联，从而打包促销，以增加营业收入。...怎样在繁杂的数据中寻找到数据之间的隐藏关系？当然可以使用穷举法，但代价高昂，所以需要使用更加智能的方法在合理时间内找到答案。Apriori就是其中的一种关联分析算法。...基本概念 　　关联分析是一种在大规模数据集中寻找有趣关系的非监督学习算法。这些关系可以有两种形式：频繁项集或者关联规则。...Apriori算法过程 关联分析的目标包括两项：发现频繁项集和发现关联规则。首先需要找到频繁项集，然后才能获得关联规则。 Apriori算法过程 ? 　　...将L1的数据项两两拼接成C2。 从候选项集C2开始，通过支持度过滤生成L2。L2根据Apriori原理拼接成候选项集C3；C3通过支持度过滤生成L3……直到Lk中仅有一个或没有数据项为止。

    77630

    数据分享|Python用Apriori算法关联规则分析亚马逊购买书籍关联推荐客户和网络图可视化

    p=26999 Apriori 算法是一个相当新的算法，由 Agrawal 和 Srikant 于 1994 年提出。它是一种用于频繁项集挖掘的算法，允许公司理解和组织向上销售和交叉销售活动。...最强大的应用程序之一是我们在亚马逊上在线购物时看到的推荐系统 - 以及当今几乎所有电子商务网站上都存在的各种其他版本。...这是为了帮助理解一个非常简单的数据集，其中包含单个国际标准书号 (ISBN)，它是一本书的唯一国际出版商标识符号。每行代表购买了所列书籍的唯一客户。...设置和导入数据集 import numpy as np import pandas as pd data.head() data.shape 数据集上的EDA #执行堆叠的步骤，转换为字符串...模型 runets = apriori(o2, min\_support=0.01, use\_colnames=True) feqts fetes.sort_values( by = \['support

    93311

    强连通和连通算法在关联图谱中的应用

    本文介绍社群发现算法在关联图谱中的应用。社群发现算法是图算法中的一种，图算法是图分析的工具之一。 图算法提供了一种最有效的分析连接数据的方法，它们描述了如何处理图以发现一些定性或者定量的结论。...接下来详细阐述社群发现算法在关联图中的应用。...四、连通算法 顾名思义，连通算法是在全量图中寻找连通的子图，其中同一子图中的所有节点构成一个连通的组件。...在neo4j中把如上关系转成关联图。...但是我在运行该代码时一直在报错，欢迎大家在研究过程中和我探讨。 接下来会研究标签传播算法和模块度算法在知识图谱中的具体应用，欢迎大家持续关注。

    2.1K20

    R语言关联规则模型(Apriori算法)挖掘杂货店的交易数据与交互可视化

    p=22732 ---- 关联规则挖掘是一种无监督的学习方法，从交易数据中挖掘规则。它有助于找出数据集中的关系和一起出现的项目。在这篇文章中，我将解释如何在R中提取关联规则。...关联规则模型适用于交易数据。交易数据的一个例子可以是客户的购物历史。 数据分析的第一件事是了解目标数据结构和内容。出于学习的目的，我认为使用一个简单的数据集更好。...读取数据 n=500 # 交易数量 trans <- data.frame() # 收集数据的数据框架 创建数据并将其收集到交易数据框中。...add_product %in% selected) { tran <- data.frame(items = add_product, tid = i) 检查交易数据框中的数据。...我们从上面的列表中获取第一个rhs项（规则后项）来检查该项的规则。但如果你知道目标项目，可以在参数中只写rhs="melon"。 inspect(rules_1@rhs\[1\]) ?

    1.3K20

    【数据挖掘 | 关联性分析】万字长文详解关联性分析，详解Apriori算法为例，确定不来看看？

    缺点：构建FP-Tree的过程可能需要占用较大的内存空间；在某些情况下，FP-Growth算法的性能可能略差于Apriori算法。 ECLAT算法 基于垂直数据格式的挖掘算法。...优点：相对于Apriori算法，减少了候选项集的生成和扫描开销，提高了算法效率；对于稠密数据集，效果更好。 缺点：在稀疏数据集中，性能可能不如Apriori算法和FP-Growth算法。...灰色关联分析算法主要包括数据序列预处理、关联度计算和排序三个步骤。在关联度计算中，常用的方法有灰色关联度、绝对关联度和相对关联度等。灰色关联分析算法可以广泛应用于各种领域，如经济、环境、工程等。...- 算法基于关联度的计算，对于高维数据或者复杂关系的分析可能存在局限性。 以上方法中实现较好的为Apriori算法，以及灰色关联分析算法。...Apriori 算法 Apriori算法的名称来源于拉丁语词汇"priori"，意为"在之前"或"在前面"。

    3.3K21

    【数据挖掘】关联规则挖掘 Apriori 算法 ( 关联规则简介 | 数据集 与 事物 Transaction 概念 | 项 Item 概念 | 项集 Item Set | 频繁项集 | 示例解析 )

    文章目录 一、 关联规则挖掘简介 二、 数据集 与 事物 ( Transaction ) 概念 三、项 ( Item ) 概念 四、项集 ( Item Set ) 概念 五、频繁项集 六、数据集、事物、...项、项集合、项集 示例 一、 关联规则挖掘简介 ---- Apriori 算法 是 关联规则 挖掘算法 , 关联规则 反映了 对象之间 相互依赖关系 , 可以通过 一个对象 的行为或属性 预测 其它对象的行为或属性...; 关联规则 不是 因果关系 , 有可能有因果关系 , 有可能没有 ; 如 : 购买商品时 , 啤酒 与 尿布 就有关联关系 , 这两个之间肯定没有因果关系 , 有一种未知的关联关系 ; 关联规则挖掘步骤...: ① 步骤一 : 找出 支持度 \geq 最小支持度阈值 的 频繁项集 ; ② 步骤二 : 根据 频繁模式 生成 满足 可信度阈值 的 关联规则 ; 二、 数据集 与 事物 ( Transaction...D 是所有 项 i 的集合 是 I 集合 ; 四、项集 ( Item Set ) 概念 ---- 项集 ( Item Set ) 概念 : I 中的 任意子集 X , 称为 数据集

    87200
    点击加载更多

    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

    扫码加入开发者社群

    相关资讯

    热门标签

    更多标签

    活动推荐

      运营活动

      活动名称
      广告关闭

      腾讯云开发者

      扫码关注腾讯云开发者

      扫码关注腾讯云开发者

      领取腾讯云代金券

      热门产品

      热门推荐

      更多推荐

      Copyright © 2013 - 2024 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有

      深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 深公网安备号 44030502008569

      腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号 | 京公网安备号11010802020287

      领券