数据关联材料.pptxVIP

;7.1; 关联规则挖掘的两个步骤： 频繁项集产生（支持度测试）。其目标是发现满足最小支持度阈值的所有项集，即频繁项集。 规则产生（置信度测试）。其目标是从上一步发现的频繁项集中提取所有高置信度（大于等于最小置信度阈值）的关联规则，即强关联规则。 在上述两个步骤中，第一步骤是关键，它将影响整个关联规则挖掘算法的效率。因此，关联规则挖掘算法的核心是频繁项集产生。; 格结构（lattice structure）常常被用来枚举所有可能的项集。图中显示的是I={a，b，c，d，e}的项集格。包含k个项的数据集最多产生2k-1 个频繁项集，不包括空集。; 发现频繁项集的一种原始方法是确定格结构中每个候选项集的支持度计数。这必须比较每个候选项集与每个事务。如候选项集包含在事务中，则候选项集的支持度计数增加。如，由于项集 {Milk，Bread} 出现在事务1，4，5中，其支持度计数将增加3次。这种比较开销大。;;;;;;;;;;;;;;;;;;; 因为由频繁项集的项组成的关联规则的支持度大于等于最小支持度阈值，所以规则产生过程就是在由频繁项集的项组成的所有关联规则中，找出所有置信度大于等于最小置信度阈值的强关联规则。 计算关联规则的置信度并不需要再次扫描事务数据库。每个频繁k-项集能产生最多2k-2个关联规则。;;;;; 实践中，由事务数据集产生的频繁项集的数量可能非常大。因此，从中识别出可以推导出其他所有的频繁项集的、较小的、具有代表性的项集是非常有用的。 下面介绍两种具有代表性的项集： 最大频繁项集 闭频繁项集;;;;; Apriori算法通过使用先验原理对指数搜索空间进行剪枝，成功地处理了频繁项集产生的组合爆炸问题。虽然显著提高了性能，但该算法还是会导致不可低估的I/O开销，因为它需要多次扫描事务数据集。此外，对于稠密数据集，由于事务数据宽度的增加，Apriori算法的性能显著降低。为了克服这些局限性和提高Apriori算法的效率，已开发了一些替代方法。;;;;;;;;;7.6;;;;;;;;;;;7.7;;;;;;;;;;;;;;;;;;;;;