第四章关联规则讲义.ppt

连接 Lk-1有多个频繁项集，在它们的基础上在加一项，为Ck,怎么加，可 除 Lk-1外逐一加，这是最笨的办法， Ck会很大： 假如supmin=0.2; K=3 L2:{{面包，牛奶}， {面包，水果} ，{面包，鸡蛋}} 按照上述方法找C3: {面包，牛奶,X} ， {面包，水果,X}, {面包，鸡蛋,X} X ∈{面包,水果,牛奶,鸡蛋,蔬菜, 猪肉,黄油,鱼,牛排,鲤鱼,鸡,白菜,大米,花生油,..} Apriori算法是用另一个 Lk-1来加: 找Lk-1中前k-2项相同的，再加上两个Lk-1中后两项. {面包，牛奶}， {面包，水果}-{面包，牛奶，水果} {面包，牛奶}，{面包，鸡蛋}-{面包，牛奶，鸡蛋} {面包，水果}， {面包，鸡蛋} -{面包，水果，鸡蛋} * l1[1] l1[2] … ll[k-2]是Lk-1 中前k-2项相同的， l1[1] l1[2] … ll[k-2] ll [k-1] l1[1] l1[2] … ll[k-2] l2 [k-1] Ck =l1[1] l1[2] … ll[k-2] ll [k-1] l 2 [k-1] 如： {i1, i3 ,i4 ,i6} {i1, i3 ,i4 ,i8} 侯选集为： {i1, i3 ,i4 ,i6, ,i8} * (2) 一个购物数据库例子 面包 5 占 62.5% 牛奶 4 占 50% 水果 2 占 25% 面包+牛奶 3 占 37.5% 面包+水果 2 占 25% 面包+水果+牛奶 1 占12.5% 面包+水果+鸡蛋1 占12.5% 编号 购买的物品 1 面包,水果,牛奶,鸡蛋 2 面包，糖果，牛奶 3 面包,蔬菜,鸡蛋,猪肉 4 面包，黄油，牛奶 5 蔬菜,牛排,鱼,牛奶 6 鲤鱼，鸡，白菜 7 大米，水果,花生油 8 面包，水果 * 剪 枝 由Lk-1生成Ck, 所有Lk都在Ck中，但Ck可能仍然很大，需要对Ck进行剪枝，再使Ck减小，得到最后的候选集。剪枝过程如下： 判断Ck中k-1子项目集是否在Lk-1中，如不在，那么这个Ck就不会是频繁项目集。从Ck删除。 Ck就会大大减小。 {面包，牛奶}， {面包，水果}-{面包，牛奶，水果} {面包，牛奶}，{面包，鸡蛋}-{面包，牛奶，鸡蛋} {面包，水果}， {面包，鸡蛋} -{面包，水果，鸡蛋} {面包，牛奶，水果}的k-1子项目集有3个，其中两个是频繁集，剩下一个是{牛奶，水果}，support(牛奶，水果)=1/8 supmin=0.2,所以从备选集Ck中删除{面包，牛奶，水果} 下面同理 * 基本思想 * 算法 k=1 由(k-1)项集产生候选k-项集（连接） 依据Apriori性质，对候选k-项集进行剪枝 扫描数据库，统计候选k-项集中各个项集的出现次数 依据最小支持度，由候选k-项集中产生频繁k-项集 K=k+1 转②,直到得到的频繁项集为空为止 Apriori 算法说明 例子：最小支持度设为2。 D(数据库） C1 (候选集) L1(频繁集) TID D中的项目 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 项集 支持度 {i1} {i2} {i3}