几种关联规则数据挖掘算法的实现.pdfVIP

第37卷第4期 VoI．37No．4 2011年 8月 信 息 化 研 究 Informatization Research Aug．2011 几种关联规则数据挖掘算法的实现 郑海东 ，王凯丽 (1．贵州大学职业技术学院，贵阳，550025； 2．贵州电子信息职业技术学院，凯里，556000) 摘 要 ：关联规则挖掘是数据挖掘研究的一个重要分支，其 目的是为了发现大量数据 中项 目集之 间感兴趣 的相关性信息。经过十余年的发展 ，关联规则挖掘 已经成为数据挖掘技术 中较为成熟并很 重要的一种方法，涉及到多种关联规则挖掘算法。文章重点介绍Apriori算法和FP—tree算法的基本 思想、实现流程及其优缺点。 关键词：关联规则；数据挖掘；算法 中图分类号 ：TP391 0 引 言 频集做一个 (一2)连接来产生的。ck中的项集是用来 产生频繁集的候选集，最后的频繁集Lk必须是ck的 数据关联是数据库 中存在 的一类重要的可被发 一 个子集 。Ck中的每个元素需在交易数据库 中进行 现的知识。若两个或多个变量的取值之间存在某种 验证来决定其是否加入 』【(，这里的验证过程是算法性 规律性，就称为关联。关联规则是数据挖掘的众多知 能的一个瓶颈。这个方法要求多次扫描可能很大的 识类型中最为典型的一种 ，该 问题 由Agrawal等人于 交易数据库，即如果频繁集最多包含 l0个项，那么就 1993年在对市场购物篮问题进行分析时首次提出，用 需要扫描交易数据库 lO遍 ，这需要很大的I／O负载。 以发现商品销售中的顾客购买模式。 1．2 基于Apriori的算法优化和改进 1 关联规则算法 为了提高Apriori算法的效率，人们对该算法进行 了优化和变形 ，其 中算法的变化主要集 中在两点：产 关联规则挖掘算法是关联规则挖掘研究的主要 生候选项集的方法和候选项集支持度 的计算 。以下 内容，迄今为止已提出了许多高效的关联规则挖掘算 是一些典型的优化算法： 法 。发现关联规则的任务就是要找 出满足预先指定 1．2．1 基于HASH的算法 的频率和精度标准的所有规则。 1．1 经典频繁集算法 在Apriori算法产生候选项频繁集的过程中，如何 关联规则挖掘的一个经典算法是Apriori算法 ，其 高效产生频繁 2一项集是提高数据挖掘性能的关键 ， 核心思想是把发现关联规则的工作分两步 ：(1)通过 DHP(Directhashingandpruning)算法很好地解决了 这一问题。使用该算法产生频繁项集的过程分几步： 迭代检索出