數(shù)據(jù)倉庫與數(shù)據(jù)挖掘基礎(chǔ)第6章關(guān)聯(lián)規(guī)則(趙志升)-展示頁
2025-03-15 09:11本頁面
【正文】 維布爾關(guān)聯(lián)規(guī)則 Apriori算法 項集 支持度計數(shù) {I1} 6 {I2} 7 {I3} 6 {I4} 2 {I5} 2 項集 支持度計數(shù) {I1} 6 {I2} 7 {I3} 6 {I4} 2 {I5} 2 侯選集 C1 頻繁集 L1 掃描 D，對每個侯選 1項集計數(shù) 比較侯選支持度計數(shù)與最小支持度計數(shù) 設(shè)最小事務(wù)支持度計數(shù)為 2，2/9=22% 第二節(jié) 挖掘事務(wù)數(shù)據(jù)庫的單維布爾關(guān)聯(lián)規(guī)則 Apriori算法 項集 {I1， I2} {I1， I3} {I1， I4} {I1， I5} {I2， I3} {I2， I4} {I2， I5} {I3， I4} {I3， I5} {I4， I5} 由 L1產(chǎn)生侯選 2項集 C2 掃描 D，對每個侯選 2項集計數(shù) C2 項集 支持度計數(shù) {I1， I2} 4 {I1， I3} 4 {I1， I4} 1 {I1， I5} 2 {I2， I3} 4 {I2， I4} 2 {I2， I5} 2 {I3， I4} 0 {I3， I5} 1 {I4， I5} 0 第二節(jié) 挖掘事務(wù)數(shù)據(jù)庫的單維布爾關(guān)聯(lián)規(guī)則 Apriori算法 由 L2?L2 比較侯選支持度計數(shù)與最小支持度計數(shù)，得到頻繁項集 L2 項集 支持度計數(shù) {I1， I2} 4 {I1， I3} 4 {I1， I5} 2 {I2， I3} 4 {I2， I4} 2 {I2， I5} 2 項集 {I1， I2， I3} {I1， I2， I5} {I1， I3， I5} {I2， I3， I4} {I2， I3， I5} {I2， I4， I5} 第二節(jié) 挖掘事務(wù)數(shù)據(jù)庫的單維布爾關(guān)聯(lián)規(guī)則 Apriori算法 掃描 D，對每個侯選 3項集計數(shù) C3 由 L2產(chǎn)生侯選 3項集 C3 項集 {I1， I2， I3} {I1， I2， I5} 項集 支持度計數(shù) {I1， I2， I3} 2 {I1， I2， I5} 2 比較侯選支持度計數(shù)與最小支持度計數(shù)，得到 L3 項集 支持度計數(shù) {I1， I2， I3} 2 {I1， I2， I5} 2 由于 L3?L3產(chǎn)生的C4={{I1， I2， I3， I5}}的子集 {I2， I3， I5} 不是頻繁的，所以 C4=216。其過程包括： 連接 和 剪枝 兩個方面。首先，找出頻繁 1項集的集合，記為 L1； L1用于找頻繁 2項集的集合 L2 ，而 L2用于找 L3，如此下去，直到找到頻繁 K項集。 第一節(jié) 關(guān)聯(lián)規(guī)則挖掘 第二節(jié) 挖掘事務(wù)數(shù)據(jù)庫的單維布爾關(guān)聯(lián)規(guī)則 Apriori算法 Apriori算法是一種最有影響的挖掘布爾關(guān)聯(lián)規(guī)則頻繁項集的算法，通過侯選項集找頻繁項集。 關(guān)聯(lián)規(guī)則挖掘的分類標(biāo)準 ? 根據(jù)關(guān)聯(lián)規(guī)則的各種擴充：關(guān)聯(lián)規(guī)則可以擴充到 相關(guān)分析 ，以識別項是否相關(guān)。如， 第一節(jié) 關(guān)聯(lián)規(guī)則挖掘 ),()33...23,()_,()33...23,(soft wareXbuy sXagesoft wareosXbuy sXage?? 購買的商品涉及不同的抽象層，稱所挖掘的規(guī)則集由 多層關(guān)聯(lián)規(guī)則 組成。和為顧客變量， inco meageXcarfas hi onXbu ysKKXinco meXage)_,()62...42,()33...23,(?? 關(guān)聯(lián)規(guī)則挖掘的分類標(biāo)準 ? 根據(jù)規(guī)則中涉及的數(shù)據(jù)維：若關(guān)聯(lián)規(guī)則中的項或?qū)傩悦總€只涉及一個維，則它是 單維關(guān)聯(lián)規(guī)則 ；若關(guān)聯(lián)規(guī)則涉及兩個或多個維，則它是 多維關(guān)聯(lián)規(guī)則 。 根據(jù)下列標(biāo)準，關(guān)聯(lián)規(guī)則有多種分類方法： ? 根據(jù)規(guī)則中所處理的值的類型：若規(guī)則考慮項的在與不在，則它是 布爾關(guān)聯(lián)規(guī)則 ；若規(guī)則描述的是量化的項或?qū)傩灾g的關(guān)聯(lián)，則它是 量化關(guān)聯(lián)規(guī)則 。 挖掘關(guān)聯(lián)規(guī)則的總體性能由第一步?jīng)Q定 。 第一節(jié) 關(guān)聯(lián)規(guī)則挖掘 基本概念 關(guān)聯(lián)規(guī)則的挖掘包含兩個基本步驟： ? 找出所有頻繁項集：這些項集出現(xiàn)的頻繁性至少和預(yù)定義的最小支持計數(shù)一樣。 ? 項集滿足最小支持度，若 項集的出現(xiàn)頻率 大于或等于 最小支持度 與 D中 事務(wù)總數(shù) 的 乘積 。集合 {puter， software}是一個 2項集。 。設(shè) A是一個項集，事務(wù) T包含 A，當(dāng)且僅當(dāng) A?T。設(shè)任務(wù)相關(guān)的數(shù)據(jù) D是數(shù)據(jù)庫事務(wù)的集合，其中每個事務(wù) T是項的集合，使得 T?I。這些閾值可由用戶和領(lǐng)域?qū)＜以O(shè)定。置信度 60%意味購買計算機的顧客 60%也購買操作系統(tǒng)軟件。可以分析布爾向量，得到反映商品 頻繁關(guān)聯(lián) 或同時購買的購買模式。 第一節(jié) 關(guān)聯(lián)規(guī)則挖掘 購物籃分析 ? 可以想象全域是商店中可利用的商品的集合，則每鐘商品有一個 布爾變量 ，表示該商品的有無。 第一節(jié) 關(guān)聯(lián)規(guī)則挖掘 購物籃分析 ? 策略一：經(jīng)常購買的商品可以放近一些，以便進一步刺激這些商品一起銷售。 ? 分析的結(jié)果可以用于市場規(guī)劃、廣告策劃、分類設(shè)計。 ? 關(guān)聯(lián)規(guī)則挖掘的一個典型的例子是 購物籃分析 。關(guān)聯(lián)規(guī)則挖掘 挖掘事務(wù)數(shù)據(jù)庫的單維布爾關(guān)聯(lián)規(guī)則 挖掘事務(wù)數(shù)據(jù)庫的多層關(guān)聯(lián)規(guī)則 挖掘關(guān)系數(shù)據(jù)庫和數(shù)據(jù)倉庫的多維關(guān)聯(lián)規(guī)則 由關(guān)聯(lián)挖掘到相關(guān)分析 第六章 挖掘大型數(shù)據(jù)庫中的 關(guān)聯(lián)規(guī)則 ? 關(guān)聯(lián)規(guī)則挖掘發(fā)現(xiàn)大量數(shù)據(jù)中項集之間有趣的關(guān)聯(lián)或相關(guān)聯(lián)系。 ? 從大量商務(wù)事務(wù)記錄中發(fā)現(xiàn)有趣的關(guān)聯(lián)關(guān)系，可以幫助許多商務(wù)決策的制定，如分類設(shè)計、交叉購物和賤賣分析。 第六章 挖掘
范文總結(jié)相關(guān)推薦
鄂ICP備17016276號-1