翻译 谢谢

关联规则的程序，这本来是发展加工属性与布尔域，可以根据点阵图表中，以便分析属性与多元价值的领域。粗糙集的程序，原本是生成的规则与一个固定的决策属性。很明显，需要一个一个先验的定义已被移除。

在此基础上不同的数据集相比，我们的质量产生的规则和必要的计算时代的算法。

该规则的RS - +和规则的Apriori +不同

计算时间分别为有利于该协会的规则程序。即使如此，任何的最后判决应当说明小心，因为许多因素有很大的影响。所需要的时间计算，例如还取决于强烈的关于实施算法。改善与粗糙集算法可能导致减少计算时间。

另一个因素是方法论，法治的一代。而且不能排除存在着另一种基于粗糙集的程序，这是更有效率的规则一代比一这里介绍。

调查对这些问题和其他相关的问题将受到进一步的工作。

粗糙集属性约简 C/C++代码 Rough Set 属性约简 C/C++源代码 粗糙集 属性约简 C/C++代码。第一次Blog请大家多指教哈！最近对粗糙集(Rough Set)比较感兴趣，当我从网上搜C/C++源代码的时候怎么也找不到，怀着试试看的想法决定自己来写，因为我这段时间关注于属性约简部分，所以从今天开始，我就慢慢写慢慢发，希望感兴趣的你能够给我多提建议！首先，我的类有Set（集合）、Element（样本）、DecisionTable（决策表），一开始我没有使用模版，精简测试后我再泛化。希望高手指点哈！要粘贴拷贝的或转载的，请看在我辛勤劳动的汗水份上给出我的Blog地址哈！谢谢！代码如果有价值的话，大家尽管用，但是发现错误一定要告诉我，我们共同进步！由于这几天晚上写这些代码很熬人，所以在这里的是直接从我的VS2005上Copy过来的，没有对其编辑号，请大家多多包涵！看的时候可以直接贴到VS2005，然后再看就没有这样累了，好了，接下来几天我会几点时间把它的第二版赶出来，希望中间有人多提宝贵建议哈！

Set.h

#include<iostream>

#include<vector>

#include<algorithm>

using namespace std

#ifndef Set_H

#define Set_H

//定义适合本文的集合(Set)抽象数据类型--------------------------------------------

class Set

{

public:

Set():vec(0){}

Set(int A[], int n)//用数组初始化集合

Set(const Set &s) //用集合初始化集合

Set(vector<int>v)

const Set&operator=(const Set&s)//集合赋值运算符重载

bool IsEmpty() //判断集合是否为空集

int Card() //计算集合A的模

void Clear() //集合清空

int Find(int a) //在集合中查找元素a,返回位置，不存在返回-1

int KeyAt(int i) //返回集合中i位置的key

void SetKey(int index, int Val)//设置index位置的值为Val

void Sort() //对集合中的元素按从小到大排序

void Remove(int a) //在集合中删除元素a得到新的集合

void Add(int a) //在集合中添加元素a得到新的集合

bool BelongTo(Set &s)//判断集合A是否属于集合B

bool operator==(Set &s) //判断两个集合是否相等

Set Sub(Set &s)const//集合A减B计算

Set Union(Set &s)const //集合A并B计算

Set InterSect(Set &s)const //集合A交B的计算

Set ValueOfAttribute()//求属性a值集的值域

vector<int>ToIntVector() //把该集合转化成整型向量

void Print() //在屏幕打印集合A

private:

vector<int>vec

}

#endif

一般决策大致包括发现问题、确定目标、价值准则、拟定方案、分析评估、方案选优、试验验证、普遍实施这8个基本步骤。数据挖掘是一种决策支持过程，它通过高度自动化地分析企业的数据，做出归纳性的推理，从中挖掘出潜在的模式，帮助决策者调整市场策略，减少风险，做出正确的决策。

利用数据挖掘进行数据分析常用的方法主要有分类、回归分析、聚类、关联规则、特征、变化和偏差分析、Web页挖掘等， 它们分别从不同的角度对数据进行挖掘。从而方便决策者作出正确的抉择。分类是通过分类模型将数据库中的数据项映射。回归分析方法反映的是事务数据库中属性值在时间上的特征，聚类分析主要应用到客户群体的分类、客户背景分析、客户购买趋势预测、市场的细分等。关联规则是描述数据库中数据项之间所存在的关系的规则……

如果您想了解更多关于数据挖掘等相关方面的知识，建议您前往CDA数据分析师官网进行咨询。CDA数据分析师的课程培养学员硬性的数据挖掘理论与Python数据挖掘算法技能的同时，还兼顾培养学员软性数据治理思维、商业策略优化思维、挖掘经营思维、算法思维、预测分析思维，全方位提升学员的数据洞察力。点击预约免费试听课。

---