【正文】 （允許維在規(guī)則的左右同時出現(xiàn)）。同時還可以用上層挖掘得到的信息進行一些過濾工作。2）遞減的最小支持度。? 同層關(guān)聯(lián)規(guī)則可以采用兩種支持度策略：1）統(tǒng)一的最小支持度。? 多層關(guān)聯(lián)規(guī)則的挖掘基本上可以沿用 “支持度 可信度 ”的框架。//求所有頻繁項集 Lk的和52 簡單形式的關(guān)聯(lián)規(guī)則算法? apriorigen函數(shù)以 Lk1作為輸入?yún)?shù)，返回所有大 k項集的集合 Lk，具體實現(xiàn)如下：第一步：聯(lián)合，將兩個項連接在一起Procedure apriorigen (Lk1,minsup)insert into Ckselect ,…,(k1),(k1)from Lk1p,Lk1qwhere =,…,(k2)=(k2), (k1)(k1)53 簡單形式的關(guān)聯(lián)規(guī)則算法? 第二步，剪枝（ pruning），如果存在 c的 (k1)子序列不包含于 Lk1中，則刪除所有項集 c ?Ck。 //事務(wù) t中包含的候選集for all candidates c ?Ct do++。 //根據(jù) k1項頻集產(chǎn)生新的 k項候選集for all transactions t?D。 Lk1 =?。51 簡單形式的關(guān)聯(lián)規(guī)則算法? Apriori算法的核心思想L1={large 1itemsets}。 Ck中的項集是用來產(chǎn)生頻集的候選集，最后的頻集 Lk必須是 Ck的一個子集。? 為了生成所有頻集，使用遞推的方法：首先產(chǎn)生頻繁 1項集 L1，然后產(chǎn)生頻繁 2項集 L2，直到有某個 r值使得 Lr為空，這時算法停止。Apriori性質(zhì)：頻繁項集的所有非空子集都必須也是頻繁的。? 關(guān)聯(lián)規(guī)則算法的設(shè)計可以分解為兩個子問題：1） 找到所有支持度大于最小支持度的項集，即頻集。48 關(guān)聯(lián)規(guī)則的概念及分類? （ 2）關(guān)聯(lián)規(guī)則的分類表 關(guān)聯(lián)規(guī)則的分類分 類標 準 類 別規(guī)則 中所 處 理的值布 爾 關(guān) 聯(lián)規(guī)則 與量化關(guān) 聯(lián)規(guī)則規(guī)則 中所涉及的數(shù)據(jù) 維單維 關(guān) 聯(lián)規(guī)則 與多 維 關(guān) 聯(lián)規(guī)則規(guī)則 中所涉及的抽象 層單層 關(guān) 聯(lián)規(guī)則 與多 層 關(guān) 聯(lián)規(guī)則規(guī)則 中的 擴 充 最大的模式與 頻繁 閉項 集關(guān) 聯(lián) 特性 分 類 分析與相關(guān)分析49 簡單形式的關(guān)聯(lián)規(guī)則算法? 簡單形式的關(guān)聯(lián)規(guī)則算法（單維、單層和布爾關(guān)聯(lián)規(guī)則）主要是經(jīng)典頻集方法（基于 Apriori的頻集方法）。47 關(guān)聯(lián)規(guī)則的概念及分類? 關(guān)聯(lián)規(guī)則的優(yōu)缺點：? 優(yōu)點：? 它可以產(chǎn)生清晰有用的結(jié)果；? 它支持間接數(shù)據(jù)挖掘；? 可以處理變長的數(shù)據(jù)；? 它的計算的消耗量是可以預(yù)見的。? 關(guān)聯(lián)分析可用于銷售配貨、商品陳列設(shè)計、產(chǎn)品目錄設(shè)計、產(chǎn)品定價和促銷等，也可以使我們從客戶的購買模式中推知他們的嗜好。? 最小支持度是用戶規(guī)定的關(guān)聯(lián)規(guī)則必需滿足的最小支持度，它表示一組物品集在統(tǒng)計意義上的需滿足的最低程度，即衡量關(guān)聯(lián)規(guī)則在整個數(shù)據(jù)集中的統(tǒng)計重要性。2）利用大項集生成關(guān)聯(lián)規(guī)則，對每一大項集 X，若 Y?X，Y=?，并且 support (Y)/support (X) ≥minconf。44 關(guān)聯(lián)規(guī)則的概念及分類? 在交易數(shù)據(jù)庫 D中找出具有用戶給定的最小支持度和最小置信度的關(guān)聯(lián)規(guī)則可以分解為兩個子問題：1）找出存在于事務(wù)數(shù)據(jù)庫中所有大項集。43 關(guān)聯(lián)規(guī)則的概念及分類? 交易數(shù)據(jù)集 D中具有支持度 s，即 D中至少有 s%的事務(wù)包含X∪ Y，描述為： support (X=Y)=P(X∪ Y)? 交易數(shù)據(jù)集 D中具有置信度 c，即 D中包含 X的事務(wù)至少有c%同時也包含 Y，描述為： confidence (X=Y)=P(Y|X)? 通常稱滿足最小支持度和最小置信度的關(guān)聯(lián)規(guī)則稱為 強關(guān)聯(lián)規(guī)則 （ strong）。給定一個事務(wù)（交易） D，即交易數(shù)據(jù)庫，其中的每一個事務(wù)（交易） T是數(shù)據(jù)項 I的一個子集，即 T?I， T有一個唯一的標識符 TID；當且僅當 X ?T時，稱交易 T包含項集 X；那么關(guān)聯(lián)規(guī)則就形如“X=Y”的蘊含式；其中， X ?I， Y ? I， X∩Y=?，即表示滿足 X中條件的記錄也一定滿足 Y。? 關(guān)聯(lián)規(guī)則模式屬于描述模式，發(fā)現(xiàn)關(guān)聯(lián)規(guī)則的算法屬于無監(jiān)督學習的方法。更確切地說，關(guān)聯(lián)規(guī)則通過量化的數(shù)字描述物品甲的出現(xiàn)與物品乙的出現(xiàn)有多大的影響。? 分析時間序列數(shù)據(jù)需要注意以下 4個方面：（ 1）長時間的走向 T（ 2）周期的走向與周期的變化 C（ 3）季節(jié)性的走向與變化 S（ 4）不規(guī)則的隨機走向 I39第六章 數(shù)據(jù)挖掘基本算法? 分類規(guī)則挖掘? 預(yù)測分析與趨勢分析規(guī)則? 數(shù)據(jù)挖掘的關(guān)聯(lián)算法? 數(shù)據(jù)挖掘的聚類算法? 數(shù)據(jù)挖掘的統(tǒng)計分析算法? 數(shù)據(jù)挖掘的品種優(yōu)化算法? 數(shù)據(jù)挖掘的進化算法40 數(shù)據(jù)挖掘的關(guān)聯(lián)算法? 關(guān)聯(lián)規(guī)則的概念及分類? 簡單形式的關(guān)聯(lián)規(guī)則算法（單維、單層和布爾關(guān)聯(lián)規(guī)則）? 多層和多維關(guān)聯(lián)規(guī)則的挖掘? 貨籃子分析存在的問題? 關(guān)聯(lián)分析的其他算法? 挖掘序列模式 *41 關(guān)聯(lián)規(guī)則的概念及分類? （ 1）關(guān)聯(lián)規(guī)則的概念? 關(guān)聯(lián)規(guī)則挖掘是尋找數(shù)據(jù)項中的有趣聯(lián)系，決定哪些事情將一起發(fā)生。（ 3）成本收益分析38 趨勢分析挖掘? 趨勢（ trend）分析挖掘，該方法類似于預(yù)測分析挖掘。? 模型選擇的原則：適用性、數(shù)據(jù)易采集性、數(shù)據(jù)時效性、定量與定性相結(jié)合。36（ 5）組合預(yù)測? 預(yù)測的主導方向：定量預(yù)測、定性預(yù)測和計算機相結(jié)合。? 在高層次經(jīng)濟預(yù)測方面：數(shù)量經(jīng)濟模型、投入產(chǎn)出、回歸分析、移動平均。33（ 4）灰色預(yù)測模型（ 3）后驗差檢驗? :? b. 計算絕對誤差序列的標準差：? c. 計算方差比：34（ 4）灰色預(yù)測模型? d. 計算小誤差概率：令:則： P≤ C≥ 好 合格 勉強合格 不合格35（ 5）組合預(yù)測? 采用不同合理的模型預(yù)測后，再進行回歸得出組合預(yù)測模型。32（ 4）灰色預(yù)測模型（ 2）關(guān)聯(lián)度檢驗? 根據(jù)前面所述關(guān)聯(lián)度的計算方法算出 與原始序列的關(guān)聯(lián)系數(shù)，然后計算出關(guān)聯(lián)度。解得：求解微分方程，即可得預(yù)測模型： 31（ 4）灰色預(yù)測模型? 模型檢驗? 灰色預(yù)測檢驗一般有殘差檢驗、關(guān)聯(lián)度檢驗和后驗差檢驗。29（ 4）灰色預(yù)測模型? GM(1,1)模型的建立設(shè)時間序列 有 n個觀察值，通過累加生成新序列 則 GM(1,1)模型相應(yīng)的微分方程為： 其中： α稱為發(fā)展灰數(shù)； μ稱為內(nèi)生控制灰數(shù)。得到：26（ 4）灰色預(yù)測模型? 第二步：求序列差? 第三步：求兩極差27（ 4）灰色預(yù)測模型? 第四步：計算關(guān)聯(lián)系數(shù)? 取 ρ=，有： 從而：28（ 4）灰色預(yù)測模型? 第五步：求關(guān)聯(lián)度計算結(jié)果表明，運輸業(yè)和工業(yè)的關(guān)