sql列出所有table的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列各種有用的問答集和懶人包

以頻繁項探勘區域性購物行為

為了解決sql列出所有table的問題，作者李延興 這樣論述：

資料探勘(Data Mining)技術是由資料中挖掘出有用的特徵樣式程序，進而利用發掘出之樣式來解釋現存的行為或預測未來的結果，這些是一些傳統資料分析工具所無法解決的問題，本文之目標在於應用資料探勘技術從業界交易資料庫中，挖掘感興趣的關聯規則(Association Rule)，進而發現銷售商品彼此之間的關聯度以及商品和目標間的關係。網際網路的興起對目前的生活型態及商業模式產生關鍵性的影響，而電子商務的交易方式和一般商店的消費方式有什麼不同，關健在於區域，傳統的行銷方式行銷會以商家附近開始進行行銷，但電子商務卻大大的不同，它打破了傳統的購物方式，因為在電子平台的世界中已經沒有所謂的區域，若可

分析出各個區域的購物行為，便可得知該區域所欠缺商品，進而可針對不同的區域進行不同類別商品的行銷，並可從分析資料中，輕易的得到潛藏的客戶群。本文首先會使用Apriori演算法，分析交易資料庫中的資訊，但也由於Apriori 演算法有相當大的瓶頸，所以後續所提出的頻繁型樣樹法(Frequent Pattern Tree) 與頻繁型樣串列法(Frequent Pattern List)皆是屬於可彌捕Apriori的方法，在本文中將深入探討Apriori與FP-tree以及FP-list的建構方式，並以電子商務業界中實際交易的資料庫進行分析比較，可知FP-tree分析方式所帶來的優點。