ECLAT关联规则挖掘 等价类转换关联规则挖掘算法的Python实现 我在无聊的时候写了这篇文章，并希望找到一个很好的算法来加快Cython的速度。 不幸的是，这个问题并不能轻易实现优化（而频繁模式挖掘的FP-tree方法要快得多）。 该算法在其擅长的各种数据集上（存储10个具有100万条记录的商品的商店）仍然非常快，但是在1000个具有1000条记录的商品的数据集上，它会显得很笨拙。 我的工作很乱。 也许我会回去整理一天。

案例分析-三角形问题的等价类测试用例 使用输出确定等价类 R1={等边三角形} R2={等腰三角形} R3={不等边三角形} R4={不构成三角形} 弱一般等价类测试用例(强一般等价类) 测试用例 a b c 预期输出 WN1 5 5 5 等边三角形 WN2 2 2 3 等腰三角形 WN3 3 4 5 不等边三角形 WN4 4 1 2 不构成三角形

等价类划分法 等价类划分设计方法是把所有可能的输入数据，即程序的输入数据集合划分成若干个子类(即等价类)，然后从每一个等价类中选取少数具有代表性的数据作为测试用例。 在采用等价类划分法设计测试用例的过程中，一般会经过两个步骤：分类和抽象。 (1) 分类：将所有可能的输入数据按照相同的特性或者类似功能进行分类。 (2) 抽象：在各个分类中选取出具有代表性的数据来表示这个特性。

用等价类划分法设计测试用例步骤 第 一 步 第 二 步 第 三 步 1.形成等价类表 2.每一等价类规定一个唯一的编号 1.设计一测试用例，使其尽可能多地覆盖尚未覆盖的有效等价类； 2.重复这一步骤，直到所有有效等价类均被测试用例所覆盖 1.设计一新测试用例，使其只覆盖一个无效等价类 2.重复这一步骤直到所有无效等价类均被覆盖；

佣金问题等价类测试用例 它是根据佣金函数的输出值域定义等价类，来改进测试用例集合 输出销售额≤1000元 佣金10％ 10001800 佣金=220+(销售额-1800)*20% 测试用例 枪机(45) 枪托(30) 枪管(25) 销售额 佣金 1 5 5 5 500 50 2 15 15 15 1500 175 3 25 25 25 2500 360 根据输出域选择输入值，使落在输出域等价类内，可以结合弱健壮测试用例结合。

佣金问题等价类测试用例 它是根据佣金函数的输出值域定义等价类，来改进测试用例集合 输出销售额≤1000元 佣金10％ 10001800 佣金=220+(销售额-1800)*20% 测试用例 枪机(45) 枪托(30) 枪管(25) 销售额 佣金 1 5 5 5 500 50 2 15 15 15 1500 175 3 25 25 25 2500 360 根据输出域选择输入值，使落在输出域等价类内，可以结合弱健壮测试用例结合。

佣金问题等价类测试用例 它是根据佣金函数的输出值域定义等价类，来改进测试用例集合 输出销售额≤1000元 佣金10％ 10001800 佣金=220+(销售额-1800)*20% 测试用例 枪机(45) 枪托(30) 枪管(25) 销售额 佣金 1 5 5 5 500 50 2 15 15 15 1500 175 3 25 25 25 2500 360 根据输出域选择输入值，使落在输出域等价类内，可以结合弱健壮测试用例结合。

佣金问题等价类测试用例 它是根据佣金函数的输出值域定义等价类，来改进测试用例集合 输出销售额≤1000元 佣金10％ 10001800 佣金=220+(销售额-1800)*20%

等价类划分的例题，等价类的阐述，等价类的实际应用

粗糙集基础知识的程序实现（java），包括基于决策表的等价类计算、基于决策表的核属性计算和两种属性约简算法。