پیاده سازی روش های brute force و FP-growth بر روی یک مجموعه داده نمونه با 20 آیتم مختلف و دارای کلا 100000رکورد
پنج سال پیش منتشر شده
تعداد بازدید: 1053
کد پروژه: 88577
شرح پروژه
میخواهیم روش های Brute Force و FP-Growth را بر روی یک مجموعه داده ی نمونه پیاده سازی نماییم و در ادامه Maximal Frequent Item Sets و Closed Item Sets
را با توجه به پیاده سازی انجام شده توسط روش FP-Growth تشخیص و خروجی دهیم.
مجموعه داده ی مذکور که در اختیار شما قرار گرفته است یک فایل متنی با نام Basket_Itemset است که قصد پیاده سازی الگوریتم های نامبرده را بر روی این مجموعه داده داریم. در این مجموعه داده 22 نوع
آیتم مختلف وجود دارد که از صفر تا 11 شماره گذاری شده اند و این مجموعه داده دارای 122.222 رکورد است )هر خط را یک رکورد فرض می نماییم( که هر رکورد در حقیقت نمایانگر یک سبد خرید است.
نکاتی که در مورد سبد خرید وجود دارد :
سبد خرید می تواند دارای تعداد دلخواهی آیتم باشد
سبد خرید می تواند از یک آیتم بیش از یک عدد اختیار نماید )برای مثال از آیتم شماره 11 دو عدد
داشته باشیم(
سبد خرید می تواند یک یا چند آیتم را شامل نباشد
.1 روش Brute Force را با استفاده از مجموعه داده ی Basket_Itemset بر روی مسئله ی Frequent Item set پیاده سازی نمایید.
.2 روش FP-Growth را با استفاده از مجموعه داده ی Basket_Itemset بر روی مسئله ی Frequent Item Set پیاده سازی نمایید.
.3 برنامه ی نوشته شده در مرحله ی دوم )پیاده سازی روش FP-Growth ( را بگونه ای گسترش دهید که برنامه ی شما Maximal Frequent Item Sets و Closed Item Sets را خروجی دهد.
مهارت ها و تخصص های مورد نیاز
بودجه
100,000 تومان تا 300,000 تومان
مهلت برای انجام
15روز
وضعیت مناقصه
بسته
درباره کارفرما
عضویت پنج سال پیش
