數(shù)據(jù)挖掘ppt課件(2)-展示頁
2025-05-09 18:24本頁面
【正文】 關(guān)聯(lián)規(guī)則通常的表述形式是 X Y，表示 “數(shù)據(jù)庫中滿足條件 X的記錄 (元組 )可能也滿足條件 Y”以某電器商場銷售記錄為例：含 義 ： 4% (支持度 )的 顧 客的年 齡 在 20至 29歲 且月收入在 3000至 5000元，且這樣 的 顧 客中， 65% (置信度 )的人 購買 了筆 記 本 電腦關(guān)聯(lián)分析挖掘關(guān)聯(lián)規(guī)則，需要置信度和支持度越高越好基本概念項集：滿足若干條件的數(shù)據(jù)項的集合，如果條件數(shù)為 k，則稱 k項集?滿足年齡 (顧客 , “20~29”)的項集是 1項集?滿足年齡 (顧客 , “20~29”) 收入 (顧客 , “3000~5000”)的項集是 2項集計算步驟252。知識評估與表示階段252。選擇算法：根據(jù)確定的目標選擇合適的數(shù)據(jù)挖掘算法252。數(shù)據(jù)挖掘階段252。數(shù)據(jù)預處理：檢查數(shù)據(jù)的完整性及一致性，消除噪聲等252。數(shù)據(jù)準備：了解領(lǐng)域特點，確定用戶需求252。反復迭代的人機交互和處理過程，歷經(jīng)多個步驟，并且在一些步驟中需要由用戶提供決策 數(shù)據(jù)挖掘概述數(shù)據(jù)挖掘過程216。第第 13章章數(shù)據(jù)挖掘數(shù)據(jù)挖掘 數(shù)據(jù)挖掘概述 數(shù)據(jù)挖掘的基本 類 型和算法 智能決策與物 聯(lián) 網(wǎng)本章內(nèi)容 數(shù)據(jù)挖掘概述數(shù)據(jù)挖掘252。從大量數(shù)據(jù)中獲取潛在有用的并且可以被人們理解的模式的過程252。數(shù)據(jù)預處理階段252。數(shù)據(jù)選?。簭脑紨?shù)據(jù)庫中選取相關(guān)數(shù)據(jù)或樣本252。數(shù)據(jù)變換：通過投影或利用其他操作減少數(shù)據(jù)量216。確定挖掘目標：確定要發(fā)現(xiàn)的知識類型252。數(shù)據(jù)挖掘：運用所選算法，提取相關(guān)知識并以一定的方式表示216。模式評估：對在數(shù)據(jù)挖掘步驟中發(fā)現(xiàn)的模式 (知識 )進行評估252。首先找到具備足夠支持度的項集，即頻繁項集252。Apriori算法基本思想：利用已求出的 k項集來計算 (k+1)項集252。然后根據(jù)兩個頻繁 k項集 {p1, p2, ..., pk}， {q1, q2, ..., qk}計算頻繁(k+1)項集，其中 pi=qi， 1=i=k1，且該 (k+1)項集為 {p1, p2, ..., pk, qk}252。FPGrowth算法利用樹狀結(jié)構(gòu)保存項集，從而減小了計算頻繁項集所需的存儲空間關(guān)聯(lián)分析如何由頻繁項集構(gòu)造關(guān)聯(lián)規(guī)則，并計算置信度關(guān)聯(lián)規(guī)則 A B的置信度其中 count(A AND B)為滿足條件 A
教學課件相關(guān)推薦
鄂ICP備17016276號-1