Apriori算法的探讨.pdfVIP

2012年 12月 山西经济管理干部学院学报 Dec．2012 第20卷 第4期 JOURNALOFSHANXIINSTITUTEOFECONOMICMANAGEMENT V01．20 No．4 Apriori算法的探讨 口岳鹏宇 (山西省气象局，山西 太原030002) 【摘 要】Apfiofi算法是数据挖掘 中较为经典的一种算法，本文详细介绍了该算法的相关概念、定义、推 到及其编程算法，并与相关的其他算法进行比较，同时还介绍了几种Apfiofi的优化算法。 【关键词】Apfiofi算法；关联规则；挖掘 【中图分类号】TP312 【文献标识码】A 【文章编号】1008—9101(2012)04—0082—03 1 关联规则挖掘 定义 1 设 I={i，i：，i，…i}是二进制文字集 关联规则挖掘的主要对象是事务数据库，目的 合，其中的元素称为项。 是发现大量数据中项集之间有意义的关联、联系或 定义2 关联规则挖掘的数据集记为D(一般 规则，从数据中学习可解释知识的一种有用模式。 为事务数据库)，D={T，T：，T，…T }，其中T，(J= 关联规则是数据挖掘中主要的技术方法之～，是数 1，2，…，n)称为事务。每个事务都有唯一的标识符 据挖掘中的一个经常探讨的课题 。关联规则挖掘的 TID。 一 个非常典型的例子是购物篮分析：对购物篮分析 I的任何子集x称为D中的项集 (或物品集)， 的研究有助于发现交易数据库中不同商品(项)之 当lx}=k时称集合 x为 k——项集 (k——item． 间的多种联系，从中找出顾客购买行为模式。模式 sets)。设Ti和x分别是D中的事务和项集，如果x 是数据的局部特征，通常各个模式之间存在着泛化／ Ti，称事务 Ti包含项集 x，或事务，Ti支持项集x。 特化关系：如果只要模式 B出现在数据中，模式 C 定义3 数据集D中包含项集x的事务数称为 也一定出现在数据中，那么模式 C是模式 B的泛 项集x的支持数，记做 Ot(X)。项集x的支持度记 化。使用这种泛化／特化关系可以得到一种简单的 做 support(X)：support(X)=仅(X)／IDI 算法来寻找出现在数据中的所有特定类型的模式。 其中IDI是数据集的数 目。 1．1 关联规则种类 定义4 若A I，B I，且AnB= 中，逻辑蕴 依据关联规则中处理的变量来区分，可以分为 涵：A—B称为关联规则。 布尔型和数值型；依据涉及的数据维数来区分，可以 一 般采用下面四个参数来描述一个关联规则的 分为单维的和多维的；依据数据的抽象层次来区分， 属性 ： 可 以分为单层和多层关联规则。 可信度 (confidence)confidence(A B)=suppo~ 1．2 关联规则 的优缺点 (AUB)／support(A)。 优点：支持间接的数据挖掘，能产生清晰有用的 可信度是对关联规则准确度的衡量。支持度 结果，可以处理变长的数据；可以预见计算的消耗 (suppo~)suppo~(A_B)=suppo~(AUB)。支持度 量 。 是对关联规则重要性的衡量 缺点：容易忽略小概率数据；当遇到大规模问题