Để kiểm tra tính phát triển của thuật toán với số lƣợng giao tác, tập dữ liệu T10I4DxK đƣợc sử dụng. Thuật toán đƣợc so sánh với thuật toán MINWAL,
WFIM (Apriori) và thuật toán FP-Growth. Trong hình 3.8 và 3.9, cả hai thuật toán WFIM và FP-Growth đều cho thấy đƣờng đồ thị thể hiện tính phát triển khá gần nhau, tuy nhiên, giải thuật WFIM vẫn có khả năng phát triển tốt hơn so với các thuật toán khác.
Đầu tiên, chúng ta kiểm tra khả năng phát triển của thuật toán WFIM với số lƣợng giao tác khoảng từ 100K cho tới 1000K. Thử nghiệm sử dụng các ngƣỡng hỗ trợ khác nhau từ 0,1% tới 0,5%, và khoảng trọng số từ 0,2 tới 0,8 với tập dữ liệu giả T10I4DxK.
Hình 3.7. Khả năng phát triển của WFIM với các ngưỡng hỗ trợ khác nhau (tập dữ liệu T10I4DxK)
Số hóa bởi Trung tâm Học liệu - ĐHTN http://www.lrc-tnu.edu.vn/
Hình 3.8. Khả năng phát triển so với các thuật toán khác (Tập dữ liệu T10I4DxK và ngưỡng hỗ trợ = 0,1%)
Hình 3.9. Khả năng phát triển so với các thuật toán khác (Tập dữ liệu T10I4DxK và ngưỡng hỗ trợ = 0,5%)
Trong hình 3.7, chúng ta có thể thấy thuật toán WFIM có khả năng phát triển tốt hơn trong các điều kiện của số lƣợng giao tác và trở nên tốt hơn nữa khi ngƣỡng hỗ trợ đƣợc tăng lên.
Tiếp theo, so sánh thuật toán WFIM với các thuật toán khác. Trong hình 3.8 với ngƣỡng hỗ trợ là 0,1% và trong hình 3.9 với ngƣỡng hỗ trợ là 0,5%, cả 2 đều có chung khoảng trọng số từ 0,2 tới 0,8, chúng ta có thể thấy rằng thuật toán WFIM có khả năng phát triển tốt hơn trong điều kiện nhƣ nhau. Tỉ lệ độ dốc của thuật toán WFIM trong cả 2 hình 3.8 và 3.9 đều thấp hơn so với các thuật toán khác, điều đó cho thấy thuật toán WFIM tuy không chạy nhanh hơn nhƣng có khả năng phát triển tốt hơn so với các thuật toán khác trong điều kiện nhƣ nhau.