数据仓库与数据挖掘(CH4).pdfVIP

第4章 关联规则 《数据仓库与数据挖掘》 吉林大学计算机科学与技术学院 李雄飞 引 言 典型的关联规则发现问题是分析超市中的货篮数据，从 数据中获取顾客放入货篮中商品之间的关系，分析顾客的购 买习惯。 “啤酒和尿布的问题”是经典的例子，也是数据挖 掘的代名词。 本章主要介绍如下几个方面的内容： •关联规则基本模型 •Apriori算法 •频繁模式增长算法 •关联规则模型扩展 数据仓库与数据挖掘 (31-2) 李雄飞等©2013 关联规则模型 •关联规则 反映一个事物与其他事物之间的相互依存性和关联性。如果两个或者 多个事物之间存在一定的关联关系，那么，其中一个事物就能够通过其 他事物预测到。 – 1993年IBM公司的R.Agrawal率先提出关联规则模型 – 最早应用于Walmart – 早期算法有AIS(Agrawal,Imielinski and Swami)、SETM(Set-oriented Mining)和 Apriori •主要应用 从商业交易记录中发现数据关联关系，用于商家决策。 – 商品分类设计 – 降价经销分析 – 生产安排 – 货架摆放策略 数据仓库与数据挖掘 (31-3) 李雄飞等©2013 关联规则模型 •关联规则模型 –任意一个i 称为一个项目，I={i , i ,…, i }为所有项目的集合。 j 1 2 m –D为交易数据库 •一笔交易T是一个项目子集（TI）。 •每一笔交易具有唯一的交易标识TID。 –设A是由项目构成的集合，称为项集。 •交易T包含项集A ，当且仅当AT。 •如果项集A 由k个项目组成，则称其为k项集。 •项集A在交易数据库D中出现的次数占D中总交易量的百分比叫做项集A 的支持度。 –如果项集的支持度超过用户给定的最小支持度阈值，就称为频繁项集。 •如果一个k项集是频繁的，就称其为频繁k项集。 –关联规则是形如XY的逻辑蕴含式，其中XI，YI，且XY=。 •如果D中有s%的交易包含XY，则称关联规则XY的支持度为s%。 •若项集X 的支持度记为support (X )，规则的信任度为support (XY) ／support (X )。 •关联规则就是满足支持度和信任度阈值的规则。 数据仓库与数据挖掘 (31-4) 李雄飞等©2013 Apriori算法 •发现关联规则的步骤 –第一步，发现频繁项集 –第二步，生成关联规则 •潜在频繁项集 有可能成为频繁项集的项集。 –潜在频繁k项集的集合记为Ck –频繁k项集的集合记为Lk –m个项目构成的k项集的集合为 –则三者之间满足关系 •性质4.1 频繁项集的子集必为频繁项集。 •性质4.2 非频繁项集的超集一定是非频繁的。 数据仓库与数据挖掘 (31-5) 李雄飞等©2013 Apriori算法 •求解频繁项集的算法 数据仓库与数据挖掘 (31-6) 李雄飞等©2013