信息知识智能转换与Apriori算法分析

信息挖掘的核心思路，是把看起来杂乱无章的数据，变成你能用得上的知识。这个资源就挺实用的，尤其是搞大数据或写智能推荐系统的时候。Apriori 算法是重点，用起来其实不复杂，关键是你得理解它怎么通过支持度和置信度去找出数据之间的“潜规则”。

Apriori 的实现也不难，文中还拿Visual C++做了实测，逻辑清晰，代码结构也还不错。虽然现在大多数人用Python或者R搞数据，但你要是想研究底层优化，这份资料也能派上用场。

资料背后的理论基础也挺扎实的，从信息-知识-智能的转换讲起，顺着讲到数据挖掘的原理和实际算法。嗯，有点像是把人工智能、数据库、知识工程这些东西给串起来了。读起来不枯燥，例子也比较实在。

如果你最近正好在搞关联规则挖掘，或者对数据里的“隐藏线索”感兴趣，建议你花点时间啃一啃，配合下面这些拓展资源看效果更佳：

• 人工智能机器学习数据挖掘
• 机器学习与知识发现
• 机器学习与知识发现课件

如果你刚好想优化一段老旧的规则逻辑，或者打算搞个轻量级的知识发现系统，这份资料，值得一看。