基于支持度和增比率的改进关联分类算法

　　关联分类是一项重要的分类技术，目前普遍采用基于支持度和置信度的关联分类模式。但是，用支持度度量项集的分类能力过于简单，且置信度不能度量项集与类的相关性，所以利用支持度和置信度容易产生质量不好的规则。提出改进的关联分类算法 ACSER。ACSER不仅考虑项集到本类的支持度，也考虑项集到补类的支持度。首先，提取频繁增比模式作为分类候选规则集；其次，利用置信度和增比率度量规则的强度，按照其强度进行排序和剪枝；最后，选择足条最优的规则进行预测。在1 6个UCI数据集上的实验结果表明，改进的分类算法ACSER与传统的分类算法相比有更高的分类准确率。