上課用課件：數(shù)據(jù)挖掘sas(關(guān)聯(lián)規(guī)則)-展示頁
2025-06-23 02:08本頁面
【正文】 概率之比值。 ? 即規(guī)則的可信度 /包含規(guī)則右邊商品的交易次數(shù)占總交易量的比例。那么規(guī)則： {尿布 }→{ 啤酒 }的提升度是多少？ （ 1）包含啤酒的交易次數(shù)占總交易次數(shù)的比例 = 50/1000 =5%， （ 2） {尿布 }→ { 啤酒 }的信任度 = 20/200=10%， （ 3）提升度 = 10%/5% = 2。如果提升度小于 1 意味著啤酒本身就是一個(gè)暢銷產(chǎn)品，并不是因?yàn)槟虿嫉匿N售促進(jìn)了其銷售量。 ? 數(shù)據(jù)集有 7991個(gè)觀測值，有 3個(gè)變量 模型角色： 測量水平： SAS中關(guān)聯(lián)規(guī)則應(yīng)用舉例： ? （ 2）在 EM中建立項(xiàng)目和流程圖 ? （ 3）添加節(jié)點(diǎn) ? （ 4）打開和修改輸入數(shù)據(jù)源 SAS中關(guān)聯(lián)規(guī)則應(yīng)用舉例： ? （ 5）打開和修改 ASSOCIATE節(jié)點(diǎn)：注意幾個(gè)參數(shù)的設(shè)置 SAS中關(guān)聯(lián)規(guī)則應(yīng)用舉例： ? （ 6）運(yùn)行 ASS節(jié)點(diǎn) 注意： 理解 SUPPORT \CONFIDENCE\LIFT 排序 設(shè)置查看置信度 》 預(yù)期置信度 生成子表集 SAS中序列關(guān)聯(lián)分析 ? 例如：客戶上周購買了 A商品，下周是否會(huì)買B商品 ? ? 序列關(guān)聯(lián)分析要設(shè)置序列變量 理解：支持度、置信度 生成 AUTO的子集 關(guān)聯(lián)規(guī)則挖掘算法 (1) ? 基本概念 ? k－項(xiàng)集 ：包含 k個(gè)項(xiàng)的集合 ? {牛奶，面包，黃油 }是個(gè) 3－項(xiàng)集 ? 項(xiàng)集的頻率 是指包含項(xiàng)集的事務(wù)數(shù) ? 如果項(xiàng)集的頻率大于（最小支持度 D中的事務(wù)總數(shù)），則稱該項(xiàng)集為 頻繁項(xiàng)集 關(guān)聯(lián)規(guī)則挖掘算法 (2) ? 大型數(shù)據(jù)庫中的關(guān)聯(lián)規(guī)則挖掘包含兩個(gè)過程： ? 找出所有頻繁項(xiàng)集 ? 大部分的計(jì)算都集中在這一步 ? 由頻繁項(xiàng)集產(chǎn)生強(qiáng)關(guān)聯(lián)規(guī)則 ? 即滿足最小支持度和最小置信度的規(guī)則 關(guān)聯(lián)規(guī)則挖掘算法 (3) ? 最簡單的關(guān)聯(lián)規(guī)則挖掘，即單維、單層、布爾關(guān)聯(lián)規(guī)則的挖掘。 ? 模式不可能比 A更頻繁的出現(xiàn) ? Apriori算法是反單調(diào)的，即一個(gè)集合如果不能通過測試，則該集合的所有超集也不能通過相同的測試。 ? 先找到頻繁 1項(xiàng)集集合 L1,然后用 L1找到頻繁 2項(xiàng)集集合 L2，接著用 L2找 L3，直到找不到頻繁 k項(xiàng)集，找每
教學(xué)教案相關(guān)推薦
鄂ICP備17016276號(hào)-1