數(shù)據(jù)挖掘從大數(shù)據(jù)庫中挖掘關(guān)聯(lián)規(guī)則-全文預(yù)覽
【正文】 念和技術(shù) 41 多層關(guān)聯(lián)規(guī)則 : 支持度不變 vs. 支持度遞減 ? 支持度不變 : 在各層之間使用統(tǒng)一的支持度 ? + 一個(gè)最小支持度閾值 . 如果一個(gè)項(xiàng)集的父項(xiàng)集不具有最小支持度，那他本身也不可能滿足最小支持度。 Han, SSD’95). 2020116 數(shù)據(jù)挖掘：概念和技術(shù) 47 逐步求精空間關(guān)聯(lián)規(guī)則挖掘 ?空間關(guān)系的層次： ?―g_close_to‖: 鄰近 , 接觸 , 交叉 , 包含 ?先搜索粗糙的關(guān)系然后再精化 2020116 數(shù)據(jù)挖掘：概念和技術(shù) 48 逐步求精空間關(guān)聯(lián)規(guī)則挖掘 (2) ? 空間關(guān)聯(lián)規(guī)則的兩步算法 ： ? 步驟 1: 粗糙空間計(jì)算 (用于過濾 ) ? 用 MBR 或 Rtree 做粗糙估計(jì) ? 步驟 2: 細(xì)致空間算法 (用于精化 ) ? 只計(jì)算已經(jīng)通過空間計(jì)算的對(duì)象 2020116 數(shù)據(jù)挖掘：概念和技術(shù) 49 第 6章：從大數(shù)據(jù)庫中挖掘關(guān)聯(lián)規(guī)則 ? 關(guān)聯(lián)規(guī)則挖掘 ? 從交易數(shù)據(jù)庫中挖掘一維的布爾形關(guān)聯(lián)規(guī)則 ? 從交易數(shù)據(jù)庫中挖掘多層次關(guān)聯(lián)規(guī)則 ? 在交易數(shù)據(jù)庫和數(shù)據(jù)倉庫中挖掘多維關(guān)聯(lián)規(guī)則 ? 從關(guān)聯(lián)挖掘到相關(guān)性分析 ? 基于約束的關(guān)聯(lián)挖掘 ? 小結(jié) 2020116 數(shù)據(jù)挖掘：概念和技術(shù) 50 多維關(guān)聯(lián)規(guī)則： 概念 ? 單維規(guī)則： buys(X, ―milk‖) ? buys(X, ―bread‖) ? 多維規(guī)則： 2個(gè)以上維 /謂詞 ? 維間關(guān)聯(lián)規(guī)則 (維詞 不重復(fù) ) age(X,‖1925‖) ? occupation(X,―student‖) ? buys(X,―coke‖) ? 混合維關(guān)聯(lián)規(guī)則 (維詞重復(fù) ) age(X,‖1925‖) ? buys(X, ―popcorn‖) ? buys(X, ―coke‖) ? 類別屬性 ? 有限個(gè)值 , 值之間無順序關(guān)系 ? 數(shù)量屬性 ? 數(shù)字的，值之間隱含了順序關(guān)系 2020116 數(shù)據(jù)挖掘：概念和技術(shù) 51 挖掘多維關(guān)聯(lián)的技術(shù) ? 搜索頻繁 k維詞集合 ： ? 如 : {age, occupation, buys} 是一個(gè) 3維詞集合。 ? 適宜使用數(shù)據(jù)立方體 ? N維立方體的每個(gè)單元 對(duì)應(yīng)一個(gè)維詞集合 ? 使用數(shù)據(jù)立方體速度更快 (ine) (age) () (buys) (age, ine) (age,buys) (ine,buys) (age,ine,buys) 2020116 數(shù)據(jù)挖掘：概念和技術(shù) 53 帶數(shù)量的關(guān)聯(lián)規(guī)則 age(X,”3034”) ? ine(X,”24K 48K”) ? buys(X,”high resolution TV”) ? 動(dòng)態(tài) 離散化數(shù)值屬性 ? Such that the confidence or pactness of the rules mined is maximized. ? 2維數(shù)量關(guān)聯(lián)規(guī)則： Aquan1 ? Aquan2 ? Acat ? 用 2維表格把“鄰近”的 關(guān)聯(lián)規(guī)則組合起來 ? 例子 2020116 數(shù)據(jù)挖掘：概念和技術(shù) 54 ARCS (關(guān)聯(lián)規(guī)則聚集系統(tǒng) ) ARCS 流程 1. 分箱 2. 查找頻繁維詞 集合 3. 聚集 4. 優(yōu)化 2020116 數(shù)據(jù)挖掘：概念和技術(shù) 55 ARCS的局限性 ? 數(shù)值屬性只能出現(xiàn)在規(guī)則的左側(cè) ? 左側(cè)只能有兩個(gè)屬性 (2維 ) ? ARCS 的改進(jìn) ? 不用基于柵格的方法 ? 等深分箱 ? 基于 局部完整性 測度的聚集 ? ―Mining Quantitative Association Rules in Large Relational Tables‖ by R. Srikant and R. Agrawal. 2020116 數(shù)據(jù)挖掘：概念和技術(shù) 56 挖掘基于距離的關(guān)聯(lián)規(guī)則 ? 分箱的方法沒有體現(xiàn)數(shù)據(jù)間隔的語義 ? 基于距離的分割是更有“意義”的離散化方法，考慮 ： ? 區(qū)間內(nèi)密度或點(diǎn)的個(gè)數(shù) ? 區(qū)間內(nèi)點(diǎn)的“緊密程度 價(jià)格（ $ ）等寬( 寬度 $10)等深( 深度 2) 基于距離7 [ 0 , 1 0 ] [ 7 , 2 0 ] [ 7 , 7 ]20 [ 1 1 , 2 0 ] [ 2 2 , 5 0 ] [ 2 0 , 2 2 ]22 [ 2 1 , 3 0 ] [ 5 1 , 5 3 ] [ 5 0 , 5 3 ]50 [ 3 1 , 4 0 ]51 [ 4 1 , 5 0 ]53 [ 5 1 , 6 0 ]。 2. 帶數(shù)量的關(guān)聯(lián)規(guī)則 ? 根據(jù)數(shù)據(jù)的分布動(dòng)態(tài)的把數(shù)值屬性離散化到不同的“箱” 。 ? 例子 ? 牛奶 ? 白面包 [support = 8%, confidence = 70%] ? 酸奶 ? 白面包 [support = 2%, confidence = 72%] ? 我們稱第一個(gè)規(guī)則是第二個(gè)規(guī)則的祖先 ? 參考規(guī)則的祖先，如果他的支持度與我們“預(yù)期”的支持度近似的話，我們就說這條規(guī)則是冗余的。 ? 原因 ? 不生成候選集，不用候選測試。 ? 采樣 : 在給定數(shù)據(jù)的子集上挖掘，使用小的支持度 +完整性驗(yàn)證方法 ? 動(dòng)態(tài)項(xiàng)集計(jì)數(shù) : 在添加一個(gè)新的候選集之前，先估計(jì)一下是不是他的所有子集都是頻繁的。 k++) do begin Ck+1 = candidates generated from Lk。 Y ? Z 具有最小支持度和可信度 ? 支持度 , s, 一次交易中包含{X 、 Y 、 Z}的 可能性 ? 可信度 , c, 包含 {X 、 Y}的交易中也包含 Z的 條件概率 交易 ID 購買的商品2020 A ,B ,C1000 A ,C4000 A ,D5000 B ,E ,F設(shè)最小支持度為 50%, 最小可信度為 50%, 則
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1