第二章+关联规则挖掘_20140918综述.pptVIP

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * */91 FP-增长(FP-growth) 频繁模式增长(FP-增长): 它采取如分治策略 将提供频繁项集的数据库压缩到一棵频繁模式树（或FP-树），但仍保留项集关联信息； 将这种压缩后的数据库分成一组条件数据库（一种特殊类型的投影数据库），每个关联一个频繁项，并分别挖掘每个数据库。 * */91 FP-树构造 数据库的第一次扫描与Apriori相同，它导出频繁项（1-项集）的集合，并得到它们的支持度计数（频繁性）。设最小支持度计数为2。 频繁项的集合按支持度计数的递减序排序。结果集或表记作L。 AllElectronics某分店的事务数据的频繁项L = [I2:7, I1:6, I3:6, I4:2, I5:2]。 * */91 FP-树构造 L = [I2:7, I1:6, I3:6, I4:2, I5:2]。 TID List of item_ID’s T100 T200 T300 T400 T500 T600 T700 T800 T900 I1,I2,I5 I2,I4 I2,I3 I1,I2,I4 I1,I3 I2,I3 I1,I3 I1,I2,I3,I5 I1,I2,I3 * */91 FP-树构造 将这种压缩后的数据库分成一组条件数据库（一种特殊类型的投影数据库），每个关联一个频繁项，并分别挖掘每个数据库。 * */91 FP-树挖掘 由长度为1的频繁模式（初始后缀模式）开始，构造它的条件模式基（一个“子数据库”， 由FP-树中与后缀模式一起出现的前缀路径集组成）。 然后，构造它的（条件）FP-树，并递归地在该树上进行挖掘。模式增长通过后缀模式与由条件FP-树产生的频繁模式连接实现。 * */91 FP-树挖掘算法 算法：FP-增长。使用FP-树，通过模式段增长，挖掘频繁模式。 输入：事务数据库D；最小支持度阈值min_sup。 输出：频繁模式的完全集。 方法： 按以下步骤构造FP-树： 扫描事务数据库D一次。收集频繁项的集合F和它们的支持度。对F按支持度降序排序，结果为频繁项表L。 创建FP-树的根结点，以“null”标记它。对于D中每个事务Trans，执行： 选择Trans中的频繁项，并按L中的次序排序。设排序后的频繁项表为[p | P]，其中，p是第一个元素，而P是剩余元素的表。调用insert_tree([p | P], T)。该过程执行情况如下。如果T有子女N使得N.item-name = p.item-name，则N的计数增加1；否则创建一个新结点N，将其计数设置为1，链接到它的父结点T，并且通过结点链结构将其链接到具有相同item-name的结点。如果P非空，递归地调用insert_tree(P, N)。 FP-树的挖掘通过调用FP_growth(FP_tree, null)实现。该过程实现如下： * */91 FP-树挖掘算法 procedure FP_growth(Tree, ?) if Tree 含单个路径P then for 路径P中结点的每个组合（记作?） 产生模式? ? ?，其支持度support = ?中结点的最小支持度; else for each a i 在Tree的头部 { 产生一个模式? = a i ? ?，其支持度support = a i .support； 构造?的条件模式基，然后构造?的条件FP-树Tree?； if Tree? ? ? then 调用 FP_growth (Tree?, ?)； } * */91 FP-growth 频繁模式增长 挖掘全部频繁项集而不产生候选 构造FP-树： 扫描 DB 一次, 找出 1-itemset 频繁项集 按频数递减顺序把频繁项排序： f-list 扫描 DB 再一次, 构造 FP-树 * */91 FP-growth 步骤一：扫描 DB 一次, 找出频繁1-项集{I2:7,I1:6,I3:6,I4:2,I5:2} 步骤二：第2次扫描DB，构造FP-树。 null{} I2: I1: I5: I3: I4: I3: I4: I5: I1: I3: TID 项ID的列表 T100 I1,I2,I5 T200 I2,I4 T300 I2,I3 T400 I1,I2,I4 T500 I1,I3 T600 I2,I3 T700 I1,I3 T800 I1,I2,I3,I5 T900 I1,I2,I3 7 4 1 2 1 1 2 2 2 1