衛(wèi)生信息分析ppt課件(編輯修改稿)
2025-05-30 18:11 本頁面
【文章內容簡介】 “女 ” avg（收入） =2300根據(jù)規(guī)則中涉及的數(shù)據(jù)維：? 單維關聯(lián)規(guī)則 (single dimensional association rule)： 啤酒 尿布? 多維關聯(lián)規(guī)則 (multi dimensional association rule)： 性別 =“女 ” 職業(yè) =“秘書 ”根據(jù)規(guī)則集所涉及的抽象層：? 多層關聯(lián)規(guī)則 (multilevel association rule)： 臺式機 Sony打印機? 單層次關聯(lián)規(guī)則 (singlelevel association rule)： IBM臺式機 Sony打印機（二） 關聯(lián)規(guī)則挖掘的基本過程 1. 找出所有頻繁項集 根據(jù)定義，這些項集出現(xiàn)的頻繁性至少和預定義的最小支持計數(shù)一樣。 2. 由頻繁項集產生強關聯(lián)規(guī)則 根據(jù)定義，這些規(guī)則必須滿足最小支持度和最小置信度。? 支持度 : P(A∪B)，即 A和 B這兩個項集在事務集 D中同時出現(xiàn)的概率。? 置信度 : P(B｜ A)，即在出現(xiàn)項集 A的事務集 D中，項集 B也同時出現(xiàn)的概率。 支持度描述一個規(guī)則的重要性，而可信度描述規(guī)則發(fā)生的可能性。一般，我們用 0％和 100％之間的值表示支持度和置信度。（三） 關聯(lián)規(guī)則挖掘的 Apriori 算法? Apriori算法由 Agrawal等人于 1993年提出，它是挖掘頻繁項集的基本算法。其核心方法是基于頻集理論的遞歸方法，針對的是在單維單層次布爾關聯(lián)規(guī)則的挖掘，這是關聯(lián)分析中最簡單形式的關聯(lián)規(guī)則挖掘。? 具體做法就是：首先找出頻繁 1項集，記為 L1；然后利用 L1來挖掘 L2，即頻繁 2項集；不斷如此循環(huán)下去直到無法發(fā)現(xiàn)更多的頻繁 K項集為止。每挖掘一層 LK就需要掃描整個數(shù)據(jù)庫一遍。（三） 關聯(lián)規(guī)則挖掘的 Apriori 算法? 下面以超市商品的數(shù)據(jù)庫為例來說明 Apriori 算法的基本操作。假設有 5位顧客購買商品
教學課件相關推薦
鄂ICP備17016276號-1