第8章人工智能数据挖掘46.pptVIP

8.3 关联规则挖掘 8.3.2关联规则的分类 （1）根据关联规则所处理的变量的类别来划分，关联规则可分为布尔型和数值型 （2）根据规则中数据的维数来划分，关联规则可分为单维的和多维的 （3）根据规则中数据挖掘的抽象层次来划分，可以分为单层关联规则和多层关联规则 （4）根据关联规则所涉及的关联特性来进行分类划分 关联挖掘可扩展到其它数据挖掘应用领域，如进行分类学习，或进行相关分析（即可以通过相关数据项出现或不出现来进行相关属性识别与分析） 8.3 关联规则挖掘 8.3.3经典关联规则挖掘算法 1．Apriori算法 Apriori算法是挖掘产生布尔关联规则所需频繁项集的基本算法；它也是一个很有影响的关联规则挖掘算法。Apriori算法就是根据有关频繁项集特性的先验知识而命名的。该算法利用了一个层次顺序搜索的循环方法来完成频繁项集的挖掘工作。这一循环方法就是利用k-项集来产生(k+1)-项集。具体做法就是：首先找出频繁1-项集，记为L1；然后利用L1来挖掘L2 ，即频繁2-项集；不断如此循环下去直到无法发现更多的频繁k-项集为止。每挖掘一层Lk就需要扫描整个数据库一遍。 8.3 关联规则挖掘 算法8.1：（Apriori）利用层次循环发现频繁项集。 输入：交易数据库D最小支持阈值min_sup 输出：Li，D中的频繁项集； 处理流程： (1) L1=find_f